我试图测试足球比赛中博彩公司赔率的市场效率假设。我估计了一个带有mlogit包的多项logit模型：
模型：结果= log（P1 / Px）+ log（P2 / Px）
其中P1是主场胜利的隐含预订概率，Px是平局的隐含预订概率，等等.Draw（x）是参考类别。
现在我想使用基于似然的检验（LR，Wald或LM）来得出以下假设：
H0：β1=（0,1,0），β2=（0,0,1）
即：在零假设下，两个回归的截距系数均为0。当y = homewin时，主场胜利的logit系数为1，当y =客场胜利时为0。当y =主场胜利时，客场胜利的logit系数为0，当y =客场胜利时，胜利的logit为1。
我无法理解如何拟合约束模型（H0模型），从中我将提取一个对数似然与LR测试中从ML估计模型接收的同上模型进行比较。
我尝试按照第57页的说明操作： https://cran.r-project.org/web/packages/mlogit/vignettes/mlogit.pdf
但我不明白如何使用update（） - 函数指定我的H0模型。有可能吗？
如果您知道如何使用nnet（multinom）软件包进行等效测试，也许使用“offset”，那么对此如何做的解释也将非常受欢迎。
感谢您的帮助！
答案 0 :(得分：0)
我现在明白，我不需要使用具有固定参数值（H0模型）的约束模型来提取零假设下的对数似然值。
如果原假设为真，则对数似然将为： 总和（LN（点Pj））， 其中j是游戏的实际结果，P是隐含的博彩公司概率。