R库(BradleyTerry2)。差异错误(player1，player2.必须是具有相同水平的因素

Question

在R中使用BradleyTerry2包有问题，我的数据如下所示。我从另一个代码中创建了数据，我认为格式与BradleyTerry exmple (https://cran.r-project.org/web/packages/BradleyTerry2/vignettes/BradleyTerry.pdf)中的“https://cran.r-project.org/web/packages/BradleyTerry2/vignettes/BradleyTerry.pdf”相同。

   player1 player2 win1 win2
1        1       2   10    0
2        1       3   10    0
3        1       4    5    5
4        1       5   10    0
5        1       6    9    1
6        2       3    6    4
7        2       4    4    6
8        2       5    5    5
9        2       6    8    2
10       3       4    2    8
11       3       5    7    3
12       3       6    6    4
13       4       5   10    0
14       4       6    9    1
15       5       6    4    6

但是，当我运行speedModel <- BTm(cbind(win1, win2), player1, player2, data = dat)时，它会显示如下所示的错误消息。

Diff中的错误(player1，player2，公式，id，data，separate.ability，refcat，‘player2 1$.’)还有‘玩家$2.’必须是具有相同水平的因素

我查看了StackOverflow (Updated with data: Error in Diff...must be factors with the same levels)上的另一页，并尝试了下面的代码。(不过，我不明白它是干什么的。)

levels(dat[,1]) <- dat(c(dat[,1], dat[,2]))
levels(dat[,2]) <- dat(c(dat[,1], dat[,2]))

但是，BTm()函数会抛出相同的消息。有人能告诉我我能做什么吗？

这是dput(dat)的结果

structure(list(player1 = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 
2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 5L), .Label = 1:6), player2 = structure(c(2L, 
3L, 4L, 5L, 6L, 3L, 4L, 5L, 6L, 4L, 5L, 6L, 5L, 6L, 6L), .Label = 1:6), 
win1 = c(10L, 10L, 5L, 10L, 9L, 6L, 4L, 5L, 8L, 2L, 7L, 6L, 
10L, 9L, 4L), win2 = c(0L, 0L, 5L, 0L, 1L, 4L, 6L, 5L, 2L, 
8L, 3L, 4L, 0L, 1L, 6L)), row.names = c(NA, -15L), class = "data.frame")

Answer 1

您的问题是如何定义数据帧中的播放器因素。它们需要具有完全相同的级别，但是因为player1只包含值1、.、5，而player2包含值2、.、6，所以它们将有不同的级别。

您需要通过提供确切的级别来强制两个因素的级别是相同的。这里有一种方法可以通过创建两个具有正确因子级别的新变量来实现。

dat$p1 <- factor(dat$player1, levels=unique(c(dat$player1, dat$player2)))  
dat$p2 <- factor(dat$player2, levels=unique(c(dat$player1, dat$player2)))  

然后我们就可以跑了

> speedModel <- BTm(cbind(win1, win2), p1, p2, data = dat)
> speedModel
Bradley Terry model fit by glm.fit 

Call:  BTm(outcome = cbind(win1, win2), player1 = p1, player2 = p2, 
    data = indata)

Coefficients:
    ..2      ..3      ..4      ..5      ..6  
-2.1433  -2.4885  -0.7286  -3.1201  -2.9323  

Degrees of Freedom: 15 Total (i.e. Null);  10 Residual
Null Deviance:      81.14 
Residual Deviance: 13.71    AIC: 51.6