Полиномиальная модель смешанного логита mlogit r-package

Question

Я обнаружил mlogit- пакет для полиномиальных логит-моделей в поисках оценки полиномиальной смешанно-логит-модели. Прочитав отличную виньетку, я обнаружил, что не могу применить свои данные ни к одному из описанных примеров.

Теперь я пишу в надежде помочь с моей проблемой и создал минимальный пример, чтобы проиллюстрировать мою ситуацию.

Проблема в следующем: где-то есть слова с согласным "Q". Теперь был проведен эксперимент с людьми, которым было поручено выслушать эти слова и сказать, слышали ли они Q, U или какую-то другую согласную. Это должно быть смоделировано в зависимости от некоторых факторов, таких как положение слога или реальное / нереальное слово.

В минимальном примере я создал 4 человек и их ответы с позицией слога.

library(mlogit)
library(nnet)
set.seed(1234)
data <- data.frame(personID = as.factor(sample(1:4, 40, replace=TRUE)),
               decision = as.factor(sample(c("Q","U", "other"), 40, replace=TRUE)),
               syllable = as.factor(sample(1:4, 40, replace=TRUE)))
summary(data)
 personID  decision  syllable
 1:11     other:10   1:18    
 2:10     Q    :18   2: 9    
 3:10     U    :12   3: 5    
 4: 9                4: 8 

Насколько я знаю nnet"s multinomфункция не распространяется на смешанные модели.

modNnet1 <- multinom(decision ~ syllable, data=data)

Сначала я использовал mlogit.data-функция, чтобы изменить форму файла. После обсуждения с коллегой мы пришли к выводу, что альтернативы нет.

 dataMod <- mlogit.data(data, shape="wide", choice="decision", id.var="personID")

 mod1 <- mlogit(formula = decision ~ 0|syllable,
           data = dataMod,
           reflevel="Q", rpar=c(personID="n"), panel=TRUE)
  Error in names(sup.coef) <- names.sup.coef : 
    'names' attribute [1] must be the same length as the vector [0]

 mod2 <- mlogit(formula = decision ~ personID|syllable,
           data = dataMod,
           reflevel="Q", rpar=c(personID="n"), panel=TRUE)
  Error in solve.default(H, g[!fixed]) : 
     Lapack routine dgesv: system is exactly singular: U[3,3] = 0

Нет, я не знаю, что делать, поэтому я прошу помощи здесь. Но я считаю, что такого рода проблемы могут быть решены с mlogit а я просто пока не вижу;)

Answer 1

rpar Аргумент принимает только альтернативные переменные. Нет необходимости указывать индивидуальный идентификатор в формуле модели - это выполняется путем включения id.var = something в mlogit.data команда. Например, если у вас был альтернативный конкретный ковариат acovВы могли бы разрешить случайные уклоны для acov через панель:

N = 200
dat <- data.frame(personID = as.factor(sample(1:4, N, replace=TRUE)),
               decision = as.factor(sample(c("Q","U", "other"), N, replace=TRUE)),
               syllable = as.factor(sample(1:4, N, replace=TRUE)),
               acov.Q = rnorm(N), acov.U = rnorm(N), acov.other = rnorm(N))
dataMod <- mlogit.data(dat, shape="wide", choice="decision", id.var="personID", varying = 4:6)
mlogit(formula = decision ~ acov|syllable, rpar = c(acov = "n"), panel = T, data = dataMod)

Кажется, вы пытаетесь подобрать модель со случайным, индивидуально-ориентированным перехватом для каждой альтернативы (не случайных уклонов). К сожалению, я не думаю, что вы можете сделать это в mlogit (но смотрите этот пост).

Один вариант, который будет работать, чтобы соответствовать случайным перехватам в отсутствие альтернативных ковариат, является MCMCglmm,

library(MCMCglmm)
priors = list(R = list(fix = 1, V = 0.5 * diag(2), n = 2),
              G = list(G1 = list(V = diag(2), n = 2)))
m <- MCMCglmm(decision ~ -1 + trait + syllable,
              random = ~ idh(trait):personID,
              rcov = ~ us(trait):units,
              prior = priors,
              nitt = 30000, thin = 20, burnin = 10000,
              family = "categorical",
              data = dat)

Соответствующими вопросами являются предварительный отбор, сходимость цепей Маркова и т. Д. В блоге лаборатории Флориана Йегера есть краткое руководство по многочленным моделям черезMCMCglmm что вы могли бы найти полезным, в дополнение к MCMCglmm документация.