标签: mlogit

我收到了一些很好的帮助,我的数据格式正确,在这里用mlogit生成一个多项逻辑模型(格式化mlogit的数据)

但是,我现在正在尝试分析协变量在我的模型中的影响.我发现帮助文件mlogit.effects()不是很有用.其中一个问题是该模型似乎产生了大量的NA(见下文index(mod1)).

1. 任何人都可以澄清我的数据产生这些NA的原因吗？
2. 任何人都可以帮助我mlogit.effects使用下面的数据吗？
3. 我会考虑将分析转移到multinom().但是,我无法弄清楚如何格式化数据以适合使用的公式multinom().我的数据是七个不同项目(可访问,信息,权衡,辩论,社交和响应)的一系列排名我是否只是模拟他们选择的第一个等级并忽略他们在其他等级中选择的内容？我可以得到这些信息.

可重现的代码如下:

#Loadpackages 
library(RCurl)
library(mlogit)
library(tidyr)
library(dplyr)
#URL where data is stored
dat.url <- 'https://raw.githubusercontent.com/sjkiss/Survey/master/mlogit.out.csv'

#Get data
dat <- read.csv(dat.url)

#Complete cases only as it seems mlogit cannot handle missing values or tied data which in this case you might get because of median imputation
dat <- dat[complete.cases(dat),]

#Change the choice index variable (X) to have no interruptions, as a result of removing some …

R 函数multinom(package nnet) 和mlogit(package mlogit) 都可用于多项逻辑回归。但为什么这个例子返回不同的系数 p 值结果呢？

#prepare data

mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mydata$rank <- factor(mydata$rank)
mydata$gre[1:10] = rnorm(10,mean=80000)

#multinom：

test = multinom(admit ~ gre + gpa + rank, data = mydata)
z <- summary(test)$coefficients/summary(test)$standard.errors
# For simplicity, use z-test to approximate t test.
pv <- (1 - pnorm(abs(z)))*2 
pv
# (Intercept)         gre         gpa       rank2       rank3       rank4 
# 0.00000000  0.04640089  0.00000000  0.00000000  0.00000000  0.00000000 

#mlogit：

mldata = mlogit.data(mydata,choice = 'admit', shape = …

我一直在努力解决这个问题，但我根本找不到任何解决问题的方法。希望这里有人可以提供帮助。

我正在尝试为具有以下结构的某些数据创建个人选择矩阵：

# A tibble: 2,152 x 32
     age choice canton  lr_s dist_svp dist_fdp dist_bdp dist_cvp dist_glp dist_sp
   <dbl> <fct>  <fct>  <dbl>    <dbl>    <dbl>    <dbl>    <dbl>    <dbl>   <dbl>
 1    39 sp     GE         3       49       25       25        4       16       1
 2    67 sp     ZH         0      100       49       64        4       25       0
 3    42 svp    ZH         7        4        4        1       36        4      36

   dist_gps pid_svp pid_fdp pid_bdp pid_cvp pid_glp pid_sp pid_gps french italian
      <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>  <dbl>   <dbl>  <dbl> …

我想用语言R估计一个嵌套的logit模型.作为这类问题的标准包我使用的是"mlogit".现在我想估计一个模型,不仅仅是一个阶段.问题如下:

1. 阶段:人们决定是否要迁移到美国.
2. 阶段:对于所有决定迁移的人,他们必须决定他们想去的美国哪个地区(美国分为6个地区)
3. 阶段:在该地区内,他们决定他们想要居住的地区; urba与农村
   

我已经使用mlogit.data()转换了我的数据.

data <- mlogit.data(data = usa_canada_uk, choice = "migrant"))

这就是"数据"的样子:

                sex   marst numperhh_cat age_cat   famsize                               nchlt5 labour_code sample                               nchlt10
3888.no  female married          1-5     16+         1          no chiled aged 5 or younger not working   8262          no chiled aged 10 or younger
12874.no female married          1-5     16+ 2 or more at least one child aged 5 or younger   ancillary   8262 at least one child aged 10 or younger
13084.no female married          1-5     16+ 2 or more at …

我正在尝试使用 R 中的 mlogit 包来解决具有可变选择集的离散选择模型。我相信这项工作应该与：

library(mlogit)
mydata = read.table("data.csv",sep = ",", header=TRUE)
routes <- mlogit.data(mydata, shape = "long", choice="choice", alt.var = "alternative", chid.var = "individual")
routeChoice <- mlogit(choice ~ num_stations + num_interchanges | 0 | 0, routes)
predictions <- predict(routeChoice,newdata=routes)

其中 data.csv 是：

individual,alternative,choice,num_stations,num_interchanges,count,prop
1,AB,1,1.0,0.0,2,0.04742587317756678
1,ACB,0,5.0,1.0,2,0.04742587317756678
2,AB,0,1.0,0.0,48,0.9525741268224331
2,ACB,1,5.0,1.0,48,0.9525741268224331
3,AC,1,2.0,0.0,6,0.11920292202211755
3,ABC,0,4.0,1.0,6,0.11920292202211755
4,AC,0,2.0,0.0,44,0.8807970779778824
4,ABC,1,4.0,1.0,44,0.8807970779778824
5,BC,1,3.0,0.0,13,0.2689414213699951
5,BAC,0,3.0,1.0,13,0.2689414213699951
6,BC,0,3.0,0.0,37,0.7310585786300049
6,BAC,1,3.0,1.0,37,0.7310585786300049

即我正在考虑一个与铁路网络中的路线选择相关的综合示例，该路线选择基于路线中的车站数量和交汇处的数量。

当我检查预测时，我发现选择集之外的路线被分配了非零概率。

我还没有找到将 mlogit 与不同的选择集一起使用的好例子，所以很可能我指定的模型或数据不正确。有任何想法吗？谢谢。