6

我发现了多项式 logit 模型的mlogit-包，以搜索估计多项式混合 logit 模型。在阅读了优秀的小插图后，我发现我无法将我的数据应用于任何描述的示例。

我现在写信希望对我的问题有所帮助，并创建了一个最小的例子来说明我的情况。

问题如下：某处有辅音“Q”的单词。现在进行了一项实验，这些人的任务是听这些单词并说出他们是否听到了 Q、U 或其他辅音。这必须根据音节位置或真实/非真实单词等因素进行建模。

在最小的例子中，我用音节位置创建了 4 个人和他们的答案。

library(mlogit)
library(nnet)
set.seed(1234)
data <- data.frame(personID = as.factor(sample(1:4, 40, replace=TRUE)),
               decision = as.factor(sample(c("Q","U", "other"), 40, replace=TRUE)),
               syllable = as.factor(sample(1:4, 40, replace=TRUE)))
summary(data)
 personID  decision  syllable
 1:11     other:10   1:18    
 2:10     Q    :18   2: 9    
 3:10     U    :12   3: 5    
 4: 9                4: 8

据我所知nnet的multinom功能不包括混合模型。

modNnet1 <- multinom(decision ~ syllable, data=data)

首先，我使用mlogit.data-function 来重塑文件。在与一位同事讨论后，我们得出的结论是没有替代的具体变量。

 dataMod <- mlogit.data(data, shape="wide", choice="decision", id.var="personID")

 mod1 <- mlogit(formula = decision ~ 0|syllable,
           data = dataMod,
           reflevel="Q", rpar=c(personID="n"), panel=TRUE)
  Error in names(sup.coef) <- names.sup.coef : 
    'names' attribute [1] must be the same length as the vector [0]

 mod2 <- mlogit(formula = decision ~ personID|syllable,
           data = dataMod,
           reflevel="Q", rpar=c(personID="n"), panel=TRUE)
  Error in solve.default(H, g[!fixed]) : 
     Lapack routine dgesv: system is exactly singular: U[3,3] = 0

不，我不知道该怎么做，所以我在这里寻求帮助。但我相信这种问题可以解决，mlogit我只是还没有看到；）

4

1 回答 1

5

该rpar参数仅接受替代特定变量。无需在模型公式中指定特定于人员的 id——这通过包含id.var = something在mlogit.data命令中来处理。例如，如果您有一个替代的特定 covariate acov，您可以允许acov跨面板的随机斜率：

N = 200
dat <- data.frame(personID = as.factor(sample(1:4, N, replace=TRUE)),
               decision = as.factor(sample(c("Q","U", "other"), N, replace=TRUE)),
               syllable = as.factor(sample(1:4, N, replace=TRUE)),
               acov.Q = rnorm(N), acov.U = rnorm(N), acov.other = rnorm(N))
dataMod <- mlogit.data(dat, shape="wide", choice="decision", id.var="personID", varying = 4:6)
mlogit(formula = decision ~ acov|syllable, rpar = c(acov = "n"), panel = T, data = dataMod)

您似乎正在尝试为每个备选方案（不是随机斜率）拟合一个随机的、特定于人的截距的模型。不幸的是，我认为你不能这样做mlogit（但请参阅这篇文章）。

在没有替代特定协变量的情况下，一种适合随机截距的选项是MCMCglmm。

library(MCMCglmm)
priors = list(R = list(fix = 1, V = 0.5 * diag(2), n = 2),
              G = list(G1 = list(V = diag(2), n = 2)))
m <- MCMCglmm(decision ~ -1 + trait + syllable,
              random = ~ idh(trait):personID,
              rcov = ~ us(trait):units,
              prior = priors,
              nitt = 30000, thin = 20, burnin = 10000,
              family = "categorical",
              data = dat)

相关问题是先验选择、马尔可夫链的收敛等。Florian Jaeger 的实验室博客有一个关于多项式模型的简短教程MCMCglmm，除了MCMCglmm文档之外，您可能会发现它很有帮助。

于 2014-02-25T22:45:08.347 回答