使用mlogit包建立多项式Logit模型的设置

Question

使用mlogit包建立多项式Logit模型的设置

3

我们正在试图使用mlogit包来估计出行方式选择模型。最终，我们打算设置一个更多变量的嵌套模型，但是我们首先尝试建立一个非嵌套多项式模型来进行测试。特别地，我们试图实现的与mlogit包中的示例不同，因为我们具有某些特定替代品（例如自行车 vs 步行 vs 驾驶）效用函数。

我们起始的数据集（简化版）如下所示：

"recid","mode","walk_mode_time","bike_mode_time","carsdivworkers"
254,"Bike",15.0666484832764,4.51999473571777,0.5
7,"SOV",17.9941387176514,5.39824199676514,2
40,"Walk",43,12.8999996185303,1

我们要为这个测试模型指定的效用函数如下：

效用（汽车）=beta1*汽车数/工人数

效用（步行）=步行方式时间常量+beta6*步行方式时间+beta7*汽车数/工人数

效用（自行车）=自行车方式时间常量+beta8*自行车方式时间+beta9*汽车数/工人数

我们认为，为了使我们的数据看起来更像mlogit文档中的示例，需要按照以下方式构造数据：

每条记录（列出所选择的替代品）均复制以包括给定旅行的非选择替代品。
对于未选替代方案，将特定于替代方案的值清零。

这导致数据结构如下：

"recid","mode","choice","walk_mode_time",”bike_mode_time","cardivwkr"
7,"Bike",FALSE,0,5.39824199676514,1
7,"DriveTransit",FALSE,0,0,1
7,"HOV2",FALSE,0,0,1
7,"HOV3",FALSE,0,0,1
7,"SOV",TRUE,0,0,1
7,"Walk",FALSE,17.9941387176514,0,1
7,"WalkTransit",FALSE,0,0,1
40,"Bike",FALSE,0,12.8999996185303,0.5
40,"DriveTransit",FALSE,0,0,0.5
40,"HOV2",FALSE,0,0,0.5
40,"HOV3",FALSE,0,0,0.5
40,"SOV",FALSE,0,0,0.5
40,"Walk",TRUE,43,0,0.5
40,"WalkTransit",FALSE,0,0,0.5
254,"Bike",TRUE,0,4.51999473571777,1
254,"DriveTransit",FALSE,0,0,1
254,"HOV2",FALSE,0,0,1
254,"HOV3",FALSE,0,0,1
254,"SOV",FALSE,0,0,1
254,"Walk",FALSE,15.0666484832764,0,1
254,"WalkTransit",FALSE,0,0,1

然后我们按照以下方式将其转换为mlogit数据结构：

logit_data <- mlogit.data(data=joined_data,
                          choice="choice",
                          shape="long",
                          alt.var="mode",
                          chid.var="recid",
                          drop.index=TRUE,
                          reflevel= "SOV")

我们的模型规范如下：

mc <-mlogit(formula= choice ~  1 | carsdivworkers | walk_mode_time + bike_mode_time,  
          data = logit_data, reflevel= "SOV")

很遗憾，当我们对完整数据集运行此命令时，出现以下错误：

solve.default(H, g[!fixed])的错误信息为： Lapack例程dgesv：系统恰好是奇异的

我们认为这个公式指定了我们想要的效用函数，但不确定是否正确。此外，我们需要手动复制我们已经完成的数据记录吗？或者mlogit.data()能否从我们的初始数据集中构建一组选择备选项？

- Ennazus

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- otsaw · Answer 1

考虑到您已经准备好了walk_mode_time和bike_mode_time，您应该尝试使用walk_mode_time + bike_mode_time | 1 + carsdivworkers | 0作为公式。我通常会生成部分归零的变量，并仅使用公式的第一部分，即walk_mode_time + bike_mode_time + walk_mode_carsdivworkers + bike_mode_carsdivworkers + ... | 1 | 0，其中*_carsdivworkers给出的是少于备选方案数量的系数（因此未指定的系数为零，其他系数相对于它）。

另外，您的数据可能存在问题，例如选择情况中选择了零个或多个备选方案，一个变量对于所有备选方案具有相同的值等等。如果公式0 | 1 | 0失败，则可能存在数据问题；如果成功，则存在公式问题。