多项式 logit 模型和嵌套 logit 模型答案

【问题标题】：Multinomial logit models and nested logit models多项式 logit 模型和嵌套 logit 模型
【发布时间】：2014-04-04 21:46:22
【问题描述】：

我在程序 R 中使用 mlogit 包。我已将我的数据从原来的宽格式转换为长格式。这是转换后的 data.frame 的示例，我将其称为“long_perp”。所有的自变量都是个体特定的。我在数据集中有 4258 个独特的观察结果。

         date_id  act2 grp.bin pdist   ship   sea avgknots   shore day location chid  alt
4.dive 40707_004  TRUE       2 2.250 second light 14.06809 2.30805  12    Lower    4 dive
4.fly  40707_004 FALSE       2 2.250 second light 14.06809 2.30805  12    Lower    4  fly
4.none 40707_004 FALSE       2 2.250 second light 14.06809 2.30805  12    Lower    4 none
5.dive 40707_006 FALSE       2 0.000 second light 15.12650 2.53312  12    Lower    5 dive
5.fly  40707_006  TRUE       2 0.000 second light 15.12650 2.53312  12    Lower    5  fly
5.none 40707_006 FALSE       2 0.000 second light 15.12650 2.53312  12    Lower    5 none
6.dive 40707_007 FALSE       1 1.995 second light 14.02101 2.01680  12    Lower    6 dive
6.fly  40707_007  TRUE       1 1.995 second light 14.02101 2.01680  12    Lower    6  fly
6.none 40707_007 FALSE       1 1.995 second light 14.02101 2.01680  12    Lower    6 none

'act2' 是因变量，由漂浮在水面上的鸟在被船靠近时可能做出的选择组成；飞行、潜水或无。我对这些概率如何与 data.frame 中剩余的自变量相关感兴趣，即与船舶路径 (pdist) 的垂直距离海况 (sea)、速度 (avgknots)、到岸边的距离 (shore) 等。变量由二分变量、因子变量和连续变量组成。

我运行了两个多项式 logit 模型，一个包含所有选择选项，另一个仅包含一个子集。然后，我将这些模型与 hmftest() 函数进行了比较，以测试 IIA 假设。至少可以说，结果令人困惑。我将包含两个模型的代码和测试输出（以防我在代码中没有指定模型）。

# model including all choice options (fly, dive, none)
mod.1 <- mlogit(act2 ~ 1 | pdist + as.factor(grp.bin)  +
    as.factor(sea) + avgknots + shore + as.factor(location),long_perp , 
    reflevel = 'none')  

# model including only a subset of choice options (fly, dive)
mod.alt <- mlogit(act2 ~ 1 | pdist + as.factor(grp.bin)  +
    as.factor(sea) + avgknots + shore + as.factor(location),long_perp , 
    reflevel = 'none', alt.subset = c("fly","dive"))

# IIA test
hmftest(mod.1, mod.alt)
# output
            Hausman-McFadden test

data:  long_perp
chisq = -968.7303, df = 7, p-value = 1
alternative hypothesis: IIA is rejected

如您所见，卡方统计量为负！我假设我要么 1. 做错了事，要么 2. 违反了 IIA。这个结果适用于选择子集（飞行，潜水），但选择子集（无，潜水）支持 IIA 假设？这让我很困惑。

接下来，我尝试制定一个嵌套模型来放松 IIA 假设。我将选项嵌套为nest1 = none，nest2 = fly，dive。这对我来说很有意义，因为这似乎是一个合乎逻辑的中断，鸟决定做出反应或不做出反应，然后决定做出哪种反应。

我不清楚如何运行嵌套的 logit 模型（即使在阅读了 mlogit 的两个小插曲 Croissant vignette 和 Train vignette 之后）。

当我按照羊角面包小插图中的示例运行分析时，我收到以下错误。

nested.1 <- mlogit(act2 ~  0 | pdist + as.factor(grp.bin) + as.factor(ship) +
    as.factor(sea) + avgknots + shore + as.factor(location),
    long_perp , reflevel="none",nests = list(noact = "none", 
    react = c("dive","fly")), unscaled = TRUE)

# Error in solve.default(crossprod(attr(x, "gradi")[, !fixed])) : 
  Lapack routine dgesv: system is exactly singular: U[19,19] = 0

我已经阅读了一些有关此错误消息的信息，它可能由于完全分离而发生。我查看了一些数据表，但不相信会发生这种情况，因为我有 4,000 多个观察值，并且只有一个因子变量具有 2 个以上的水平（它有 3 个）。

非常感谢您对这些具体问题的帮助，但我也愿意接受可以用来回答我的问题的替代分析。我主要对飞行概率作为与船舶路径垂直距离的函数感兴趣。

谢谢，蒂姆

【问题讨论】：

标签： r logistic-regression multinomial mlogit

【解决方案1】：

要获得正的卡方，请按如下方式更改代码：

alt.subset = c("none", "fly")

也就是说，参考级别也将在子集中。它可能会有所帮助，尽管 P 值可能变化不大。

【讨论】：