Question

我想在R中运行嵌套逻辑回归，但我在网上找到的例子并没有多大帮助。我从这个网站（Step by step procedure on how to run nested logistic regression in R）读了一个与我的问题相似的例子，但我发现它最终似乎没有得到解决（提问者报告了错误而我没有看到更多答案）。

所以我有9个预测因子（连续分数）和1个分类因变量（DV）。 DV被称为“效果”，它可以分为两大类：“负（0）”和“正（1）”。我知道如何运行简单的二进制logit回归（使用一般分组方式，即负（0）和正（1）），但这还不够。 “积极”可以进一步分为两类：“物理（1）”和“心理（2）”。所以我想运行一个包含这3个类别（负（0），物理（1）和精神（2））的嵌套模型，并反映“物理”和“心理”嵌套在“积极”中的本质。也许R可以将这两种模型（一般与详细）进行比较？所以我创建了两个新列，一个叫做“效果一般”，其中个别得分是“负（0）”和“正（1）”;另一个被称为“效果详细”，其中包含3个值 - 负（0），物理（1）和心理（2）。我只使用“效果一般”运行了简单的二进制logit回归，但我不知道如何为“效果详细”运行嵌套的logit模型。

从我搜索过的例子和其他材料来看，R包“mlogit”似乎是正确的，但我仍然坚持如何使它适用于我的数据。我不太了解R-help中的例子，这部分来自我之前提到的这个网站的例子（... shape ='long'，alt.var ='town.list'，nests = list（town .list）...）让我很困惑：我可以看到我的数据形状应该是“宽”，但我不知道“alt.var”和“嵌套”是什么......

我还查看了mlogit手册的第19页，了解嵌套logit模型调用的示例。但我还是无法根据选项来决定我需要什么。（http://cran.r-project.org/web/packages/mlogit/mlogit.pdf）

有人可以向我提供有关如何操作的详细步骤和说明吗？我确信这个例子（如果经过充分讨论和解决）也会帮助我和其他人很多！

感谢您的帮助!!!

Answer 1

我可以帮助您理解mlogit结构。使用mlogit.data()命令时，如果您有面板数据集，则指定choice = yourchoicevariable（和id.var = respondentid，即您有来自同一个人的多个响应），以及shape='wide'参数。创建的新data.frame将采用长格式，每个选择情况都有一行，负面，物理，精神。所以你将拥有3行，你只有一行宽数据格式。无论您的MN选择var是什么，它现在都是一列逻辑值，而TRUE表示受访者选择的行。行名称现在将采用observation#.level(choice variable)的格式。因此，在您的情况下，如果您的数据集的第一行的响应为负数，您会看到：

row.name   | choice
1.negative | TRUE
1.physical | FALSE
1.mental   | FALSE

也不是每个选项的实际因子水平存储在mlogit.data.frame的alt的索引中，您可以通过index(your.data.frame)和观察编号（即行号）看到来自您的宽格式data.frame）存储在chid中。这实际上是row.name告诉你的内容，即chid.alt。另请注意，如果您的数据是宽格式，只有长格式，则不必指定alt.var。正如我刚才所描述的那样，mlogit.data函数可以帮助您。基本上，当您指定选择变量并为您创建unique(choice)时，它需要alt.var，因此如果您的数据是宽格式的，则它是多余的。

然后通过在mlogit()命令中添加这样的嵌套命名列表来指定嵌套，假设您的因子级别只是'0'，'1'，'2'：

mlogit(..., nests = c(negative = c('0'), positive = c('1','2')

或者如果因子水平是'负面'，'物理'，'心理'，它将是这样的：

mlogit(..., nests = c(negative = c('negative'), positive = c('physical','mental')

另请注意，每个包文档仍必须使用c()参数指定一个嵌套。如果您指定un.nest.el=T参数，则生成的模型将在嵌套之间进行iv估计，或者如果un.nest.el=F，则嵌套特定估计值您可以找到Kenneth Train's Examples useful

在R中运行嵌套logit回归

1 个答案: