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:
我们要为这个测试模型指定的效用函数如下:
然后我们按照以下方式将其转换为mlogit数据结构:
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。
"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?