问题标签 [multinomial]

我有一个包含交互项的二元变量的多项模型。当我将回归运行为：

mlogit x y x#y，正如我所期望的那样，我得到了合理的输出，其中交互项的估计值为 (0 1)，并且在 (1 0) 和 (1 1) 处有两个遗漏。但是，当我尝试运行命令mfx时，会返回错误：x#0b: operator invalid r(198)

当我预先生成交互项时，例如z = x * y和 run mlogit x y z，我可以从模型中获得边际效应。但是，y 和 z（但不是 x）的参数估计值与之前的规范有很大不同，并且 y 变得与零有很大不同（这不是预期的）。

据我所知，这似乎是 Stata 11 如何处理交互术语的问题。如果我运行version 10.1: mlogit x y x#y，我会得到一个错误interactions not allowed r(101)。

有没有办法可以mfx使用版本 11 生成的模型，或者我可以使用边际效应以外的东西来解决这个问题？

我正在尝试编写/查找一个代码片段/函数，它在给定一个数字和一个概率数组的情况下返回多项分布，比如一个函数：

例如，对于 pp={0.3, 0.2, 0.5}，（pp 可以具有可变大小，例如 2 到 10 个元素）。

给出如下输出：

在不同场合调用时。

我可以使用 gsl 想到类似以下的内容，但是在不同场合重复调用时，这并不好。我知道我在下面引用的代码片段不是一个好的，但期待有更好的建议。谢谢。

我正在尝试为许多多项逻辑回归模型创建一个 AICc 表。但是，当我尝试运行该行时：

我收到错误消息：

我正在使用的脚本是：

我只是想知道是否有人对我哪里出错有任何想法？

非常感谢！！

我有数据，参与者为许多相关问题选择了三个选项之一。对于分析的一部分，我将所有这些答案结合起来，这样我就有了来自每个参与者的一些观察结果。我对此建模的方式是使用多项式 logit，参与者 ID 作为随机效应。然后我使用gllamm.

我现在被困了一段时间的地方是，我似乎无法从这种回归中提取边际效应。到目前为止，我的搜索表明这样做的方法涉及gllapred, mu marg. 然而，运行它似乎返回了在我的样本中选择特定选项的总体概率。相反，我想知道我的一个虚拟变量（例如男性）的变化如何改变做出该特定选择的概率。

假设没有办法获得margins这种类型对象的输出，有没有办法手动获得边际效应？也就是说，我可以估计男性= 0，男性= 1，然后取差吗？我感兴趣的变量是虚拟变量，但我确实有一个连续变量（年龄），我大概无法像这样估计它——但是，我对它的边际效应也不是很感兴趣。

我正在学习如何使用和解释Rmultinom()中包的输出nnet。我用于练习的数据集包含一些缺失值的变量。我相信在使用这个函数时，包含缺失值的观测值会被排除在多项式回归之外。我想知道如何获得模型中包含的观察数。

大约一年前提出了一个类似的问题（如何在 R 中运行 multinom() 后更改输出），但问题的这个特定方面没有得到回答。我希望这次有人会给出答案。

我的数据集包含 42 个变量和 593 个观察值。为了说明我的问题，我运行了一个模型，其中包含感兴趣的结果（4 个组）和 3 个协变量（2 个带有一些缺失值）。

输出是：

由此，我需要编写什么命令来获取分析的观察次数？有什么建议么？

谢谢

假设我有一个整数向量 1:6

我试图获得一个 90 行和 6 列的矩阵，其中包含来自这 6 个整数的多项组合，这些整数被视为 3 个大小为 2 的组。

6!/(2!*2!*2!)=90

因此，矩阵的第 1 列和第 2 列代表第 1 组，第 3 列和第 4 列代表第 2 组，第 5 列和第 6 列代表第 3 组。类似于：

1 2 3 4 5 6

1 2 3 5 4 6

1 2 3 6 4 5

1 2 4 5 3 6

1 2 4 6 3 5

...

最终，我想将其扩展到其他有限大小的多项式组合（因为数字变得相当快），但我无法让事情正常工作。我发现了几个执行二项式组合的函数（只有 2 个组），但是当组数大于 2 时，我找不到任何执行此操作的函数。

我尝试了两种方法：

1. 使用 for 循环从无到有构建矩阵并尝试使用 reshape 包进行操作（认为使用 melt() 可能会有所帮助）

2. 通过尝试保留组内的唯一行或删除组内的重复行，从排列矩阵（720 行）向后工作

都不适合我。

置换矩阵可以得到

我认为从完整的排列矩阵向后工作有点过分，但我现在正在尝试任何事情。

有没有为此预建功能的包？有人对我应该如何进行有任何想法吗？

我正在sklearn.linear_model.LogisticRegression处理一个多类问题。据我了解，coef_属性的输出是每个类的每个特征的系数。我不明白的是sklearn中的解释。例如，在 SPSS 中，您将一个类作为基础，然后解释与该类相关的几率，因此您实际上会得到 n-1 个类的系数。在 sklearn 中情况并非如此，我在其中获取每个类的系数。

一个特征（四个类别）的示例指数系数是：

1.1649 | 1.0660 | 0.9589 | 0.8607

这种解释是否正确：随着该特征的一个单位值增加，该实例属于第一类的概率增加约 16%，然后在第二类增加约 7%，第三和第四类的概率减少？

另外，如何计算系数的 p 值？

我正在尝试将.arff文件传递​​给LinearRegression对象，这样做时它给了我这个异常无法处理多值名义类！.

实际发生的是我正在使用CFSSubsetEval评估器执行属性选择，并在这样做之后搜索为GreedyStepwise，将这些属性传递给 LinearRegression，如下所示

data 是 Instance 对象，它具有来自 .arff 文件的数据，该文件之前仅使用 weka 转换为标称值。我在这里做错什么了吗？我试图在谷歌上搜索这个错误，但找不到。

代码

注意：由于我没有编写代码来构建具有“索引”属性的实例变量，我（为了程序运行）从同一个原始文件加载数据。

我不知道如何为示例数据上传文件，但它看起来像这样。[链接]（https://scontent-a-dfw.xx.fbcdn.net/hphotos-xfa1/t31.0-8/p552x414/10496920_756438941076936_8448023649960186530_o.jpg）

我想知道是否有可以解决多项式公式的Matlab代码。我可以为多项式公式中的有限项编写代码，例如(x_{1}+x_{2}+x_{3})^4. 但是对于一般情况，我发现这并不容易，即 (x_{1}+x_{2}+ .... +x_{m})^n

我很难理解 multiclass.roc 参数的外观。这是我的数据的快照：

我尝试使用以下命令调用 multiclass.roc：

但自然我得到一个错误：

当它是一个二元分类问题时，我知道“预测器”应该包含概率（每个观察一个）。但是，在我的例子中，我有 3 个类，所以我的预测器是一个行列表，每行有 3 列（或 3 个值的子列表）对应于每个类的概率。有谁知道我的“预测器”应该是什么样子而不是它目前的样子？