R mlogit模型，计算奇异

Question

今天，我花了整整一段时间在格式化我的数据 (在通过BondedDust的table(TM)建议找到一个bug之后更新)为mLogit提供了合适的格式：

raw <-read.csv("C:\\Users\\Andy\\Desktop\\research\\Oxford\\Prefs\\rData.csv", header=T, row.names = NULL,id="id")
raw <-na.omit(raw)

library(mlogit)

TM <- mlogit.data(raw, choice = "selected", shape = "long", alt.var = "dishId", chid.var = "individuals", drop.index = TRUE)

我失败的地方是试图建模我的数据。

model <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)

solve.default(H，g！固定)中的误差:系统是计算奇异的:倒数条件数= 6.26659e-18

我很乐意在这个题目上提供一些帮助。恐怕我要把它弄疯了。

数据本身来自一个实验，我们让1000人在两盘食物之间做出决定(我们改变食物的形状--无论是角的还是圆形的--并且改变盘子的形状--要么是角的，要么是圆形的)。

致以最美好的祝愿安迪。

我害怕我是一个在StackOverflow上有统计Q的新手。

Answer 1

模型无法将您的dishId解释为可选索引(alt.var)，因为您对不同的选择有不同的键盘。例如，您有"TS“和"RS”作为您的.csv文件中第一选择的替代索引键，但是选择3634的键是"RR“和"RS”。此外，您也没有指定备选方案(alt.levels)的名称。由于没有填写alt.levels，mlogit.data将根据它无法正确解释的替代索引自动尝试检测替代方案。这基本上是每件事都会出错的地方：“食物”和“盘子”变量不被解释为可供选择的变量，但它们被认为是个别的特定变量，最终导致了奇异性问题。

你有两个选择来解决这个问题。您可以通过mlogit.data参数将实际的备选方案作为输入提供给alt.levels：

TM <- mlogit.data(raw, choice = "selected", shape = "long", alt.levels = c("food","plate"),chid.var = "individuals",drop.index=TRUE)
model1 <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)

或者，您可以选择使索引键保持一致，以便可以通过alt.var将它们作为输入提供。mlogit.data现在将能够正确地猜出您的备选方案是什么：

raw[,3] <- rep(1:2,nrow(raw)/2) # use 1 and 2 as unique alternative keys for all choices
TM <- mlogit.data(raw, choice = "selected", shape = "long", alt.var="dishId", chid.var = "individuals")
model2 <- model <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)

我们验证了这两种模型确实是相同的。模式1的结果：

> summary(model1)

Call:
mlogit(formula = selected ~ food + plate | sex + age + hand, 
    data = TM, method = "nr", print.level = 0)

Frequencies of alternatives:
   food   plate 
0.42847 0.57153 

nr method
4 iterations, 0h:0m:0s 
g'(-H)^-1g = 0.00423 
successive function values within tolerance limits 

Coefficients :
                    Estimate Std. Error t-value  Pr(>|t|)    
plate:(intercept) -0.0969627  0.0764117 -1.2689 0.2044589    
foodCirc           1.0374881  0.0339559 30.5540 < 2.2e-16 ***
plateCirc         -0.0064866  0.0524547 -0.1237 0.9015835    
plate:sexmale     -0.0811157  0.0416113 -1.9494 0.0512512 .  
plate:age16-34     0.1622542  0.0469167  3.4583 0.0005435 ***
plate:age35-54     0.0312484  0.0555634  0.5624 0.5738492    
plate:age55-74     0.0556696  0.0836248  0.6657 0.5055987    
plate:age75+       0.1057646  0.2453797  0.4310 0.6664508    
plate:handright   -0.0177260  0.0539510 -0.3286 0.7424902    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Log-Likelihood: -8284.6
McFadden R^2:  0.097398 
Likelihood ratio test : chisq = 1787.9 (p.value = < 2.22e-16)

请注意，正确地识别了备选方案，但没有将名称显式添加到模型中：

> summary(model2)

Call:
mlogit(formula = selected ~ food + plate | sex + age + hand, 
    data = TM, method = "nr", print.level = 0)

Frequencies of alternatives:
      1       2 
0.42847 0.57153 

nr method
4 iterations, 0h:0m:0s 
g'(-H)^-1g = 0.00423 
successive function values within tolerance limits 

Coefficients :
                Estimate Std. Error t-value  Pr(>|t|)    
2:(intercept) -0.0969627  0.0764117 -1.2689 0.2044589    
foodCirc       1.0374881  0.0339559 30.5540 < 2.2e-16 ***
plateCirc     -0.0064866  0.0524547 -0.1237 0.9015835    
2:sexmale     -0.0811157  0.0416113 -1.9494 0.0512512 .  
2:age16-34     0.1622542  0.0469167  3.4583 0.0005435 ***
2:age35-54     0.0312484  0.0555634  0.5624 0.5738492    
2:age55-74     0.0556696  0.0836248  0.6657 0.5055987    
2:age75+       0.1057646  0.2453797  0.4310 0.6664508    
2:handright   -0.0177260  0.0539510 -0.3286 0.7424902    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Log-Likelihood: -8284.6
McFadden R^2:  0.097398 
Likelihood ratio test : chisq = 1787.9 (p.value = < 2.22e-16)

Answer 2

这与其说是一个回答，不如说是一个评论(我没有任何代表要评论！)但是，我无法再现您的代码，因为您的age中没有任何rData.csv列。