如何估计R中具有特定于个人的参数的潜在类模型？

Question

我试图基于离散选择实验来估计R中的潜在类模型。我选择的属性集是“ COST”，“ NUCL”，“ REN”，“ FOSS”和“ OUTAGE”。我还问了一些背景问题，这些问题为我提供了变量“ MALE”，“ NL”，“ Y25”，“ Y50”，“ INC4000”等（约40个变量）。 我使用的代码是：

df01 <- mlogit.data(data, 
                      id = "ID", 
                      choice = "Choice",
                      varying = 3:17, 
                      shape = "wide", 
                      sep = "",
                      alt.levels = c("FOSS","REN","NUCL","COST","OUTAGE"))

lc <- gmnl(Choice ~ COST + REN + NUCL + OUTAGE | MALE + NL + Y25 + Y50 + EDSEC + EDMAS + INC4000 + INC8000 + CDV + WINZ + NSGR + NVA + SPA| 0 | 0 | 1 , 
           data = df01,
           model = 'lc', 
           Q = 3, 
           panel = TRUE,
           method = "bhhh")

summary(lc)

到目前为止，它有效。但是，我需要添加更多的个人特征（因为我大约有40个）。在“ SPA”之后再添加一个变量时，该模型不再起作用。然后，我得到了错误：

“ solve.default（-H）错误： 系统是计算奇异的：倒数条件数= 2.58564e-109“

也许因为我指定了“ varying = 3:17”，所以该模型仅接受17个变量？但是，“ df01”文件包含更多列。如果我尝试将“ 3:17”更改为“ 3:18”，出现错误：

“ reshapeLong（数据，idvar = idvar，timevar = timevar，variable =变异，错误： “可变”参数的长度必须相同”

我在做什么错？我希望有人能提供一些好的建议。感谢您的帮助！