1

我是离散选择建模的新手，所以如果我误解了分析的基本方面，我深表歉意。

我想使用特定于个人的变量以及我认为是特定于替代的属性变量来运行离散选择分析。从 mlogit 小插图中，我认为个人特定变量是“选择情况特定协变量”（在新小插图中），而替代特定属性变量是“具有通用系数的替代特定协变量”（同样，在新小插图中）。替代特定属性变量不应该对不同的替代产生不同的影响，所以我相信一个适用于所有替代的通用系数是有序的。

让我们以钓鱼数据集为例。

library(mlogit)

data(Fishing)
Fish1 <- dfidx(Fishing, varying=2:9, choice="mode", idnames=c("chid", "alt"),
    drop.index=F)
Fish1

...这让我们：

~~~~~~~
 first 10 observations out of 4728
~~~~~~~
    mode   income     alt   price  catch chid    idx
1  FALSE 7083.332   beach 157.930 0.0678    1 1:each
2  FALSE 7083.332    boat 157.930 0.2601    1 1:boat
3   TRUE 7083.332 charter 182.930 0.5391    1 1:rter
4  FALSE 7083.332    pier 157.930 0.0503    1 1:pier
5  FALSE 1250.000   beach  15.114 0.1049    2 2:each
6  FALSE 1250.000    boat  10.534 0.1574    2 2:boat
7   TRUE 1250.000 charter  34.534 0.4671    2 2:rter
8  FALSE 1250.000    pier  15.114 0.0451    2 2:pier
9  FALSE 3750.000   beach 161.874 0.5333    3 3:each
10  TRUE 3750.000    boat  24.334 0.2413    3 3:boat```

然后我们拟合模型：

(fit1 <- mlogit(mode ~ price+catch | income | 1, data=Fish1))

...这让我们：

Call:
mlogit(formula = mode ~ price + catch | income | 1, data = Fish1,     method = "nr")

Coefficients:
   (Intercept):boat  (Intercept):charter     (Intercept):pier                price
        0.527278790          1.694365710          0.777959401         -0.025116570
              catch          income:boat       income:charter          income:pier
        0.357781958          0.000089440         -0.000033292         -0.000127577

到目前为止，一切都很好。

现在让我们将 price 和 catch（替代特定属性变量）值重新编码为替代变化但个体不变的值：

Fishing2 <- Fishing

Fishing2$price.beach   <- 50
Fishing2$price.pier    <- 100
Fishing2$price.boat    <- 150
Fishing2$price.charter <- 200
Fishing2$catch.beach   <- .2
Fishing2$catch.pier    <- .5
Fishing2$catch.boat    <- .75
Fishing2$catch.charter <- .87

Fish2 <- dfidx(Fishing2, varying=2:9, choice="mode", idnames=c("chid", "alt"),
    drop.index=F)

Fish2

...这让我们：

~~~~~~~
 first 10 observations out of 4728
~~~~~~~
    mode   income     alt price catch chid    idx
1  FALSE 7083.332   beach    50  0.20    1 1:each
2  FALSE 7083.332    boat   150  0.75    1 1:boat
3   TRUE 7083.332 charter   200  0.87    1 1:rter
4  FALSE 7083.332    pier   100  0.50    1 1:pier
5  FALSE 1250.000   beach    50  0.20    2 2:each
6  FALSE 1250.000    boat   150  0.75    2 2:boat
7   TRUE 1250.000 charter   200  0.87    2 2:rter
8  FALSE 1250.000    pier   100  0.50    2 2:pier
9  FALSE 3750.000   beach    50  0.20    3 3:each
10  TRUE 3750.000    boat   150  0.75    3 3:boat

在我看来，这就像一个单选产品比较：每个替代品都有一组固定的属性（具有通用系数的替代品特定属性变量），这些属性可能会影响个人的决定。个人的收入，即个人特定（或选择情境特定，来自新的小插图）变量，也可能会影响决策，尽管它必须随小插图所示的备选方案而变化。

但是，当我尝试为 Fish2 数据集运行模型时，它失败了：

fit2 <- mlogit(mode ~ price+catch | income | 1, data=Fish2)
Error in solve.default(H, g[!fixed]) :
  system is computationally singular: reciprocal condition number = 3.18998e-23

我猜测替代特定属性变量在选择情况下不变化的事实是问题所在，但我不明白为什么或如何解决它。在我看来，我应该能够用 mlogit 分析这种情况。

如果有另一种分析技术可以更好地解决这类问题，我愿意接受建议。

4

2 回答 2

0

您收到的错误消息通常是数据变化不足的结果。如果变化不足，Hessian 矩阵（信息矩阵的负数）会变得奇异且无法反转，即您无法获得标准误差。关于这个特定的错误消息有很多答案。例如这里。

在您的第二个示例中，如果我理解正确，每个替代方案对所有人都是相同的，这意味着您只有四个不同的观察结果，每个钓鱼地点一个。虽然您多次观察，但您仍然只有 4 个独特的观察结果，但您正在尝试拟合 8 个参数。这很可能是您的模型失败的原因。

于 2020-10-14T05:44:49.017 回答
0

因此，事实证明，如果您包含具有通用系数的替代特定协变量并允许包含截距，则存在多重共线性问题。从 mlogit 小插图：

替代特定变量的处理与具有通用系数的替代和选择情况特定变量没有太大区别。但是，如果引入其中一些变量，则只能在没有截距的模型中估计参数，以避免完美的多重共线性。

如果我删除拦截：

(fit2 <- mlogit(mode ~ price+catch - 1 | income - 1, data=Fish2))

一切正常：

Call:
mlogit(formula = mode ~ price + catch - 1 | income - 1, data = Fish2, method = "nr")

 Coefficients:
          price           catch     income:boat  income:charter     income:pier  
   0.0117786865   -0.9155791943    0.0001061285    0.0000037033   -0.0000411957
于 2020-10-23T20:43:56.927 回答