因素有不同的水平，但我不明白为什么

Question

我正在使用 Bradley-Terry 模型对网球比赛的结果进行建模，但遇到了以下错误。当我跑步时：

library(BradleyTerry2)

matches <- read.csv("data/matches.csv")
model <- BTm(cbind(wins1,
                   wins2),
             player1, player2, data=matches)
model

我收到错误消息：

Error in Diff(player1, player2, formula, id, data, separate.ability, refcat,  : 
  'player1$..' and 'player2$..' must be factors with the same levels

数据框“匹配”具有这种格式（可重现的小示例）。

玩家1	玩家2	胜1	赢2
阿加西	费德勒	0	6
阿加西	休伊特	1	0
阿加西	罗迪克	1	0
费德勒	亨曼	3	1
费德勒	休伊特	9	0
费德勒	罗迪克	5	0
亨曼	休伊特	0	2
亨曼	罗迪克	1	1
休伊特	罗迪克	3	2

...等等。任何出现在player1中的名字都会出现在player2中。

我不明白为什么player1和player2的因子有不同的级别？我尝试使用

as.factor

将它们设置为因子，但这不起作用。我还尝试删除

data=matches

并使用

matches$wins1

等作为

BTm

函数的参数，但这也不起作用。现在我有点卡住了，所以欢迎任何想法！谢谢你:)

Answer 1

看看第一列和第二列中有什么。
因子在内部编码为从 1 开始的连续整数。下面我

unclass

每个因子都是为了获得它们的内部表示。

• player1

  有两个值，1 和 2；

• player2

  有两个值，1 和 2；
• 在

  player1

  中，级别

  "Rafael Nadal"

  为第1级，其值为1；
• 但是在

  player2

  中，级别

  "Rafael Nadal"

  是第二个，其值为 2。

这是因为每一列都是独立的因素，与其他列没有关系。

lapply(matches[1:2], unclass)
#> $player1
#> [1] 2 2 1
#> attr(,"levels")
#> [1] "Rafael Nadal"  "Roger Federer"
#> 
#> $player2
#> [1] 2 1 1
#> attr(,"levels")
#> [1] "Andy Murray"  "Rafael Nadal"

^{创建于2023年11月14日}

解决方案是获取所有列的所有唯一值，并在创建因子时使用这些唯一值作为级别。

在第一条指令后面的代码中，将所有唯一值作为字符串获取。然后使用这些字符串作为其级别创建因子列。

lvls <- matches[1:2] |> unlist() |> as.character() |> unique()
matches[1:2] <- lapply(matches[1:2], factor, levels = lvls)

# check that now "Rafael Nadal" is always value 2
lapply(matches[1:2], unclass)
#> $player1
#> [1] 1 1 2
#> attr(,"levels")
#> [1] "Roger Federer" "Rafael Nadal"  "Andy Murray"  
#> 
#> $player2
#> [1] 2 3 3
#> attr(,"levels")
#> [1] "Roger Federer" "Rafael Nadal"  "Andy Murray"

创建于2023年11月14日

---

数据

matches <- structure(list(
  player1 = structure(c(2L, 2L, 1L), levels = c("Rafael Nadal", "Roger Federer"), class = "factor"), 
  player2 = structure(c(2L, 1L, 1L), levels = c("Andy Murray", "Rafael Nadal"), class = "factor"), 
  wins1 = c(3L, 5L, 4L), wins2 = c(2L, 2L, 3L)), 
  class = "data.frame", row.names = c(NA, -3L))

创建于2023年11月14日

---

编辑

与此同时，问题中的示例数据集已更改。除了对玩家姓名的引用之外，上面的代码仍然有效并解决了问题。

Answer 2

在原始帖子评论的大力帮助下，现在已经解决了......只需确保players1和players2列仅包含相同的玩家（这可能意味着在数据文件中切换一些回合），然后在

as.factor()

 和 

player1

 周围使用 

player2

。