Question

我在程序R中使用mlogit包。我已将数据从原始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，由船上接近浮在水面上的鸟类的选择组成;飞，潜水，或没有。我感兴趣的是这些概率如何与data.frame中剩余的自变量相关，即与船舶路径（pdist）的海洋条件（海洋），速度（avgknots），到岸（岸）的距离等的垂直距离。变量由二分，因子和连续变量组成。

我运行了两个多项logit模型，一个包括所有选项，另一个包括一个子集。然后，我将这些模型与hmftest（）函数进行比较，以测试IIA假设。结果最让人困惑的是。我将包括两个模型的代码和测试输出（如果我错过了在代码中指定模型）。

# 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

正如您所看到的，chisquare统计数据为负数！我认为我要么做错了，要么就是2.违反了IIA。这个结果适用于选择子集（飞行，潜水），但IIA假设是通过选择子集（无，潜水）维持的？这让我很困惑。

接下来，我尝试制定一个嵌套模型，作为放宽IIA假设的一种方法。我将选项嵌套为nest1 = none，nest2 = fly，dive。这对我来说是有道理的，因为这似乎是一个合乎逻辑的突破，鸟决定做出反应，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mlogit，Croissant vignette和Train vignette的两个插图后也是如此。

当我按照羊角面包小插图中的示例运行我的分析时，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

我已经阅读了一些关于此错误消息的信息，并且可能因完全分离而发生。我查看了一些数据表，并且不相信这种情况正在发生，因为我有4,000多个观察值，只有一个因子变量超过2个等级（它有3个）。

非常感谢对这些特定问题的帮助，但我也愿意接受我可以用来回答我的问题的替代分析。我主要感兴趣的是飞行的概率与船舶路径的垂直距离的函数。

谢谢，蒂姆

Answer 1

要获得正的chi-sq，请按如下所示更改代码：

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

也就是说，ref级别也将在子集中。这可能会有所帮助，尽管P值可能没有太大变化。

多项logit模型和嵌套logit模型

1 个答案: