mlogit中的持久计算奇点

Question

我的问题与尝试使用mlogit包时的持续计算奇点有关。

首先，关于我的数据：

我的数据涉及到在体育选秀中预测选择。每支球队都从相同的球员库中进行有序的选择，并具有团队和球员的属性。因此，在mlogit语言中，每个“团队”都是一个个体，每个“玩家”都是一个替代者。为了提供一个过于简化的例子，假设五支球队各自选择了一名球员。

Pick      Player  PPG  Age Team
1    Ben Simmons 19.2  19  PHI
2 Brandon Ingram 17.3  18  PHI
3   Jaylen Brown 14.6  19  PHI
5      Kris Dunn 16.4  21  PHI
6    Buddy Hield 25.0  22  PHI

我正在尝试使用mlogit包。我首先使用mlogit.data重新格式化数据。

Choices <- mlogit.data(test,
     choice="picked",
     shape="long",
     id.var="Team",
     alt.var="Player",
     chid.var="Team",
     varying=c(4:5))

结果如下：

                    picked Pick       Player  PPG  Age Team
PHI.Ben Simmons      TRUE    1    Ben Simmons 19.2  19  PHI
PHI.Brandon Ingram  FALSE    2 Brandon Ingram 17.3  18  PHI
PHI.Jaylen Brown    FALSE    3   Jaylen Brown 14.6  19  PHI
PHI.Kris Dunn       FALSE    5      Kris Dunn 16.4  21  PHI
PHI.Buddy Hield     FALSE    6    Buddy Hield 25.0  22  PHI
LAL.Brandon Ingram   TRUE    2 Brandon Ingram 17.3  18  LAL
LAL.Jaylen Brown    FALSE    3   Jaylen Brown 14.6  19  LAL
LAL.Kris Dunn       FALSE    5      Kris Dunn 16.4  21  LAL
LAL.Buddy Hield     FALSE    6    Buddy Hield 25.0  22  LAL
BOS.Jaylen Brown     TRUE    3   Jaylen Brown 14.6  19  BOS
BOS.Kris Dunn       FALSE    5      Kris Dunn 16.4  21  BOS
BOS.Buddy Hield     FALSE    6    Buddy Hield 25.0  22  BOS
MIN.Kris Dunn        TRUE    5      Kris Dunn 16.4  21  MIN
MIN.Buddy Hield     FALSE    6    Buddy Hield 25.0  22  MIN
NOP.Buddy Hield      TRUE    6    Buddy Hield 25.0  22  NOP

显然，我有更多的球员和变量，但这是基本的结构。

然后，我尝试运行一个条件logit回归：

mlogit(Choices,picked ~ <regvar>,data=Choices)

我多次遇到以下错误：

Error in solve.default(H, g[!fixed]) : 
  system is computationally singular: reciprocal condition number = 3.72907e-23

我在其他地方看到的解决方案，建议通过删除高度相关的变量来消除非可逆性。，但是，这似乎解决不了我的问题。这个问题仍然存在，有着不同的确切数字，甚至在简单的双变量模型中，比如低相关性的示例数据(显然，有不同的数字)。事实上，它甚至发生在一个回归者！

我想要做的事情的简化版本：

model<-mlogit(
  picked~PPG+Age,
  data=Choices)

也许这只是一个容忍问题，但考虑到这些变量之间没有特别的关联，这将是令人惊讶的。这似乎是，比变量相关性更微妙的事情是错的。我也查过了，还有提供单独的/可选的特定变量。例如，添加一个特定于团队的变量(如"Team_MSA_Size“)不会改变任何事情：

model<-mlogit(
  picked~PPG+Age|Team_MSA_Size,
  data=Choices)

是否有关于我的数据结构的什么原因，或者没有正确使用mlogit语法导致这一点？我该怎么修理它呢？

我确实找到了这个相似的话题，但是在没有相关数据的情况下，跟踪它确实有困难。这一公认的答案是否意味着每一种选择都必须有相同的选择？如果是这样的话，那对我来说将是非常不幸的，因为显然每支球队都会因为球员的选择而看到不同的名单。如果这就是问题所在，这里有一个简单的解决方法吗?还是把它放在你自己的代码评估领域？

如果有帮助的话，我可以很高兴地提供更多的数据或其他细节。

编辑:有人要求提供玩具数据。这是一个带有玩具数据的csv，下面是产生错误的代码.

setwd("Filepath")
library(mlogit)
toy_data <- read.csv("toy_data.csv",header = TRUE)
Choices_test<- mlogit.data(toy_data,
                       choice="picked",
                       shape="long",
                       id.var="Team",
                       alt.var="Pick",
                       chid.var="Team")
mlogit(picked~as.factor(Position)+as.factor(Black)+Age+PPG+APG+RPG+Team_WS,
     data=Choices_test)


Error in solve.default(H, g[!fixed]) : 
  system is computationally singular: reciprocal condition number = 6.53305e-21

Answer 1

如果我使用mlogit pkg的函数进行了条件logistic回归，并根据我的理解对您的变量进行了调整：

 Choices <- mlogit.data(data=test, choice="picked",
          chid.var="team",alt.var="pick",shape="long")

你的alt.var是“挑选”，它需要排序，唯一，没有联系，所以在你的情况下，它看起来像1:6。

除非我误解了你的问题！

如果您创建一个小型玩具数据集，以便可以测试代码，那么它将有所帮助。

又是嗨，

是您的语法：

mlogit(picked~as.factor(Position)+as.factor(Black)+Age+PPG+APG+RPG+Team_WS,
     data=Choices_test)

从mlogit pkg来看，我已经有一段时间没有看过了，但它不像我用于条件逻辑回归的语法。

在我的经验中，计算奇异性误差msg与高度相关/相同的变量有关。

如果您确定有很少的共线性，那么我的猜测是您的模型语法设置不正确。

PS:您的代码抛出：

In file(file, "rt") :
  cannot open file 'toy_data.csv': No such file or directory

我认为您需要用几行数据填充“toy_data.csv”。如果您的数据是敏感的，那么只需发明一些(足以说明问题)。