我今天花了整整一天的时间与格式化data （在通过BondedDust＆table;（TM）建议找到错误后更新）进行了适当的对比mLogit：
raw <-read.csv("C:\\Users\\Andy\\Desktop\\research\\Oxford\\Prefs\\rData.csv", header=T, row.names = NULL,id="id")
raw <-na.omit(raw)
library(mlogit)
TM <- mlogit.data(raw, choice = "selected", shape = "long", alt.var = "dishId", chid.var = "individuals", drop.index = TRUE)
我失败的地方是尝试建模数据。
model <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)
solve.default（H，g [！fixed]）出错：系统是计算上的 单数：倒数条件数= 6.26659e-18
我真的会在这个主题上提供一些帮助。我不敢带点香蕉。
数据本身来自一个实验，在这个实验中，我们让1000个人在食物盘对之间做出决定（我们改变食物的外观 - 无论是角形还是圆形 - 并且改变板的形状 - 是角形还是圆形）。
祝福， 安迪。
PS害怕我是StackOverflow上有统计数据Q的新手。
答案 0 :(得分：6)
模型无法将您的dishId解释为替代索引（alt.var），因为您有不同的密钥对用于不同的选择。例如，你有＆＃34; TS＆＃34;和＆＃34; RS＆＃34;作为.csv文件中第一个选择的备用索引键，但你有＆＃34; RR＆＃34;和＆＃34; RS＆＃34;作为选择的关键3634.此外，您还没有指定替代品的名称（alt.levels）。由于未填写alt.levels这一事实，mlogit.data会自动尝试根据替代索引检测替代方案，无法正确解释。这基本上是一切都出错的地方：＆＃39;食物＆＃39;和＆＃39;盘子＆＃39;变量不被解释为替代，但它们被视为个别特定变量，最终导致奇点问题。
您有两种方法可以解决此问题。您可以通过mlogit.data参数将实际替代项作为输入提供给alt.levels：
TM <- mlogit.data(raw, choice = "selected", shape = "long", alt.levels = c("food","plate"),chid.var = "individuals",drop.index=TRUE)
model1 <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)
或者，您可以选择使索引键保持一致，以便您可以通过alt.var将其作为输入。 mlogit.data现在可以正确猜出您的替代方案：
raw[,3] <- rep(1:2,nrow(raw)/2) # use 1 and 2 as unique alternative keys for all choices
TM <- mlogit.data(raw, choice = "selected", shape = "long", alt.var="dishId", chid.var = "individuals")
model2 <- model <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)
我们验证两个模型确实相同。模型1的结果：
> summary(model1)
Call:
mlogit(formula = selected ~ food + plate | sex + age + hand,
data = TM, method = "nr", print.level = 0)
Frequencies of alternatives:
food plate
0.42847 0.57153
nr method
4 iterations, 0h:0m:0s
g'(-H)^-1g = 0.00423
successive function values within tolerance limits
Coefficients :
Estimate Std. Error t-value Pr(>|t|)
plate:(intercept) -0.0969627 0.0764117 -1.2689 0.2044589
foodCirc 1.0374881 0.0339559 30.5540 < 2.2e-16 ***
plateCirc -0.0064866 0.0524547 -0.1237 0.9015835
plate:sexmale -0.0811157 0.0416113 -1.9494 0.0512512 .
plate:age16-34 0.1622542 0.0469167 3.4583 0.0005435 ***
plate:age35-54 0.0312484 0.0555634 0.5624 0.5738492
plate:age55-74 0.0556696 0.0836248 0.6657 0.5055987
plate:age75+ 0.1057646 0.2453797 0.4310 0.6664508
plate:handright -0.0177260 0.0539510 -0.3286 0.7424902
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Log-Likelihood: -8284.6
McFadden R^2: 0.097398
Likelihood ratio test : chisq = 1787.9 (p.value = < 2.22e-16)
与模型2的结果相比。请注意，替代方案已正确识别，但名称未明确添加到模型中：
> summary(model2)
Call:
mlogit(formula = selected ~ food + plate | sex + age + hand,
data = TM, method = "nr", print.level = 0)
Frequencies of alternatives:
1 2
0.42847 0.57153
nr method
4 iterations, 0h:0m:0s
g'(-H)^-1g = 0.00423
successive function values within tolerance limits
Coefficients :
Estimate Std. Error t-value Pr(>|t|)
2:(intercept) -0.0969627 0.0764117 -1.2689 0.2044589
foodCirc 1.0374881 0.0339559 30.5540 < 2.2e-16 ***
plateCirc -0.0064866 0.0524547 -0.1237 0.9015835
2:sexmale -0.0811157 0.0416113 -1.9494 0.0512512 .
2:age16-34 0.1622542 0.0469167 3.4583 0.0005435 ***
2:age35-54 0.0312484 0.0555634 0.5624 0.5738492
2:age55-74 0.0556696 0.0836248 0.6657 0.5055987
2:age75+ 0.1057646 0.2453797 0.4310 0.6664508
2:handright -0.0177260 0.0539510 -0.3286 0.7424902
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Log-Likelihood: -8284.6
McFadden R^2: 0.097398
Likelihood ratio test : chisq = 1787.9 (p.value = < 2.22e-16)
答案 1 :(得分：0)
这更多是评论而不是答案（我没有足够的回复评论！）。但是，由于m^2/n中没有任何age列，我无法重现您的代码。
答案 2 :(得分：0)
我有同样的问题，正在使用
df.long <- mlogit.data(Train, choice = "Loan.Type" ,shape="wide")
mod3.rural1 <- mlogit( Loan.Type ~1sex+married+age+havejob+educ+political.afl+ethnicity+region+income+liquid.assets+class.of.HH, data= df.long, reflevel = "No.Loan")
df <- df[-which(df$column %in% boxplot(df$column, plot=FALSE)$out),]
希望对您有用，