当选择选项因观察值而异时，MNL是使用的正确模型吗？

时间：2018-07-19 15:59:26

标签： multinomial mlogit

在对100个人的调查中，我要求每个人在产品A和产品B之间进行选择。我问每个人3次此问题，但是每次我提出不同的产品集时。假设是第一次，要求给人1在给定每个电话的某些属性的情况下在“电话1”和“电话2”之间进行选择。第二次选择是“电话1”与“电话2”，但每个电话的属性集不同。

每次询问问题时，都会向一个人显示与两个电话替代品相关的三个属性。因此，每次在Phone 1和Phone 2之间，都会显示出手机的属性（例如成本，内存和相机像素），以便用户可以选择最有吸引力的一组属性，即Phone 1或Phone 2。

总体上，3 * 100 = 300个响应；每人3条回复。每次属性成本，显示的内存和相机像素以及用户要求选择他们喜欢的功能集时。

我的目标是分析用户如何评价电话的功能以及电话的成本。

在这种情况下，我可以使用MNL吗？即使每次我问一个人一个问题时，我只会给出两个选择？我的理解是，当（a）有多个选择，并且（b）选择选项在各个观察结果之间均不变时，即要求每个人在多个产品（例如A，B，C和A，B）之间进行选择时，便会使用MNL， C不会随观察值变化。 在上述情况下，两个选择在同一人被问到问题的三遍之间有所不同？如果不是MNL，我是否应该创建一个二进制logit模型，假设用户在提出问题时只需要在两个选项之间进行选择（即使他被问过3次）？如果我可以使用二进制logit，是否应该担心产品选择集会因观察而改变？还是应该让每行中定义的属性解决观察结果中产品选择的差异。

我已经按如下方式设置了数据（认为我可以做MNL，但也许我应该进行不同的设置并使用其他建模方法？）：

enter image description here

1 个答案:

答案 0 :(得分：0)

我正在设计和分析类似的调查，但是我的工作与运输有关。我处于起步阶段，但对整个概念还是陌生的，但是我会为您提供建议和参考，也许会有所帮助。

第一点：我在YouTube上的一段有用的视频中遇到了以下三种模型：

    MNL是指多项式Lo​​git模型。 MNL与 不变变量的回归变量（例如参与者的薪水 调查或他/她的性别...）。
  • 有条件的logit模型与不变变量（性别， 薪水，受教育程度……）和替代变数（成本） 产品，内存，相机像素……）
  • 使用随机参数的混合logit模型。它也与 不变变量（性别，薪水，教育程度……）和 替代变量回归器（产品，内存，相机的成本 像素…）

关于替代不变变量和替代变量回归变量的说明： 参与调查的人的性别在产品A或产品P之间不会有所不同，因此它是不变变量回归变量。产品价格在产品A和产品B之间可能会有所不同，因此称为替代变量回归变量。

基于上述，我假设您需要使用条件logit模型或混合logit模型。

对我来说，我在R中找不到条件logit模型或混合logit模型的特殊功能。使用了相同的mlogit函数，请参考以下示例以获取mlogit软件包的帮助：

  • 纯的“多项式模型”

摘要（mlogit（模式〜0 |收入，数据=鱼））

  • 纯的“条件”模型

摘要（mlogit（模式〜价格+捕获量，数据=鱼））

  • “混合”模型

m <-mlogit（模式〜价格+产量|收入，数据=鱼） 摘要（m）

  • 以租船合同为参考级别的相同模型

m <-mlogit（模式〜价格+捕获量|收入，数据=鱼，reflevel =“宪章”）

从以上示例中，我认为（但不确定）在mlogit手册包中，当您同时使用替代不变变量和替代变量回归变量时，它们指的是混合logit。当您只有替代变量回归变量时使用条件模型。另一方面，当您只有多项式交替不变回归变量时，可以使用多项式模型。

第二点：当您要求同一个人为每个选择集选择一种产品时，就有一种称为“面板数据”的东西。这里的同一个人意味着在您的模型中要考虑的是性别，薪水，受教育程度……对于同一个人，他们将保持不变。检查以下内容：https://en.wikipedia.org/wiki/Panel_data

要使用面板技术，请参阅R中mlogit软件包中的帮助。我引用了以下内容：

”面板仅在rpar不为NULL并且数据是同一单元的重复观测时才有意义；如果为TRUE，则使用面板技术估算混合对数模型”

因此，根据我的理解，如果您想使用面板技术，则必须使用随机绘制，因为面板将为true，而rpar不会为NULL。

此外，例如有关使用面板数据的示例，请参考Yves Croissant撰写的“ R中的多项logit模型的估计：mlogit软件包”中的以下示例

data（“ Train”，package =“ mlogit”）

Tr <-m​​logit.data（火车，形状=“宽”，变化= 4:11，选择=“选择”，sep =“ _”，对立= c（“价格”，“时间”，“变化” “，” comfort“），alt.levels = c（” A“，” B“），id.var =” id“）

Train.ml <-mlogit（选择〜价格+时间+更改+舒适度Tr）

Train.mxlc <-mlogit（选择〜价格+时间+更改+舒适度，Tr，面板= TRUE，rpar = c（时间=“ cn”，更改=“ n”，舒适度=“ ln”），相关性= TRUE，R = 100，halton = NA）

Train.mxlu <-更新（Train.mxlc，相关=假）

我希望这对您有用。

相关问题
最新问题