在R中运行嵌套Logit回归

Question

我想在R中运行嵌套的逻辑回归，但我在网上找到的示例并没有帮助太多。我阅读了来自此网站（Step by step procedure on how to run nested logistic regression in R）的一个示例，它与我的问题类似，但我发现最终好像没有解决（问者报告了错误，我没有看到更多答案）。

所以我有9个预测变量（连续分数）和1个分类相关变量（DV）。 DV称为“effect”，它可以分为两个一般类别：“negative（0）”和“positive（1）”。我知道如何运行一个简单的二进制logit回归（使用一般的分组方式，即负面（0）和积极（1）），但这还不够。 “positive”可以进一步分为两种类型：“physical（1）”和“mental（2）”。因此，我想运行一个包括这3个类别（负面（0）、身体（1）和心理（2））的嵌套模型，并反映出“身体”和“心理”嵌套在“积极”中的特性。也许R可以将这两个模型（通用vs.详细信息）进行比较？因此，我创建了两个新列，一个称为“effect general”，其中个人得分为“negative（0）”和“positive（1）”；另一个称为“effect detailed”，其中包含3个值-负面（0）、身体（1）和心理（2）。我只使用“效应一般”运行了一个简单的二进制logit回归，但我不知道如何为“详细效应”运行嵌套的logit模型。

从我搜索到的示例和其他材料中可以看出，R包“mlogit”似乎是正确的选择，但我被如何使它适用于我的数据所困扰。我不太理解R-help中的示例，以及我之前提到的网站上的示例中的这一部分（...shape ='long'，alt.var='town.list'，nests=list(town.list)...）让我非常困惑：我能看到我的数据形状应该是“wide”，但我不知道“alt.var”和“nests”是什么。

我还查看了mlogit手册的第19页，其中有嵌套logit模型调用的示例。但就选项而言，我仍然不能决定我需要什么。（http://cran.r-project.org/web/packages/mlogit/mlogit.pdf）

有人能为我提供详细的步骤和备注吗？我相信这个示例（如果经过充分讨论和解决）也将对我和其他人有很大帮助！

感谢您的帮助！

- Ferrari

---

我认为你对嵌套模型的理解存在混淆。它们不涵盖“积极”情况下内部有两个水平的DV。你有一个多项结果。 - IRTFM

看起来你可能有三种结果。接下来，您需要决定结果是否有序。换句话说，精神结果是否比身体结果更（或更少）严重。如果结果没有顺序，只需要不同，那么这将使事情变得更简单。如果到明天没有其他人提供代码，我可以挖掘出任一情况的代码。 - Mark Miller

由于MNL具有IIA属性，因此在以下情况下可能无法很好地工作：1）当替代方案不独立时。即存在一些替代方案比其他替代方案更相似的组别时，例如公共交通方式与私人车辆之间的比较。 - Ferrari

当个体之间存在口味差异时，即个体的感知随其社会经济地位而变化。在这种情况下，我们需要随机系数模型而不是均值模型，例如当存在一些更相似的替代品组时，如公共交通工具与私人车辆之间的组别。 - Ferrari

嗨DWin，我以为我也混淆了嵌套模型和多项式模型，但是从我找到的材料中，这两个模型都可以应用于我的数据，而嵌套逻辑模型会更好。有人建议我可以尝试“广义线性混合模型”，但是R中的例子似乎是另一回事。它们的“嵌套性”存在于自变量（预测因子）中，而不是结果中。请参见我在“lme4”软件包中找到的以下R代码： - Ferrari

Answer 1

我可以帮助你理解 mlogit 结构。当使用 mlogit.data() 命令时，需要指定 choice=yourchoicevariable（如果你有面板数据集，即从同一人获得多个回应，则需要指定 id.var = respondentid），以及 shape="wide" 参数。新创建的 data.frame 将呈现长格式，每个选择情况（negative, physical, mental）占据一行。因此，你将有 3 行，而在宽数据格式中只有 1 行。无论你的 MN 选择变量是什么，它现在都将成为逻辑值的一列，对于受访者所选择的行，值为 TRUE 。行名称现在将采用以下格式：observation#.level(choice variable)。因此，在你的数据集的第一行中，如果个人回答为 negative，则会看到：

row.name   | choice
1.negative | TRUE
1.physical | FALSE
1.mental   | FALSE

请注意，每个选择的实际因子水平存储在称为mlogit.data.frame的索引中，您可以通过index(your.data.frame)查看观察编号（即来自宽格式数据框的行号）存储在chid中。这本质上是行名称告诉您的内容，即chid.alt。还要注意，如果您的数据处于宽格式中，则无需指定alt.var，只需在长格式中指定即可。正如我刚才所描述的那样，mlogit.data函数会为您执行此操作。基本上，当您指定选择变量并创建alt.var时，它会采用unique(choice)，因此如果您的数据处于宽格式中，则它是冗余的。

然后，您可以通过向mlogit()命令添加嵌套的命名列表来指定嵌套，例如假设您的因子水平只是'0'、'1'、'2'：

mlogit(..., nests = c(negative = c('0'), positive = c('1','2'))

或者如果因子级别是'negative'、'physical'、'mental'，则应该像这样：

mlogit(..., nests = c(negative = c('消极'), positive = c('身体','心理'))

还要注意，根据软件包文档，一个嵌套必须仍然使用c()参数进行指定。如果您指定了un.nest.el=T参数，则生成的模型将具有嵌套之间的iv估计值；如果un.nest.el=F，则具有特定于嵌套的估计值。您可能会发现肯尼斯·特雷恩的示例有用。

- EconGeo