使用mlogit软件包设置多项logit模型

Question

我们正在尝试使用mlogit软件包来估计一个旅行模式选择模型。最终，我们打算建立一个包含更多变量的嵌套模型，但是我们试图首先设置一个非常简单的非嵌套多项式模型来测试。特别是，我们试图完成的不同于mlogit包中的示例，因为我们有一些替代特定的（例如，自行车vs.步行与驱动器）效用函数。

我们的出发数据集（简化）有以下形式：

"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 

，我们要指定该测试模型的效用函数如下：

实用程序（SOV）=β1的* carsdivworkers

实用程序（步行）=常数（步行）+ beta6 *（walk_mode_time）+联蛋白β7*（carsdivworkers）

实用程序（自行车）=常数（自行车）+ beta8 *（bike_mode_tim E）+ beta9 *（carsdivworkers））

为了使我们的数据看起来更像mlogit文档中的例子中，我们认为，我们需要构建我们的数据：

1. 每个记录（其中列出了选择替代）复制也包括给定旅行的非选择替代品。
2. 另类特定值清零对非选择的替代

这导致了数据结构，看起来像：

"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 

然后我们变成一个mlogit数据结构此如下：

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

而我们的型号规格：

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

不幸的是，我们得到以下错误，当我们运行这个对我们的完整数据集：在solve.default

错误（H，G [固定的！）： LAPACK日常dgesv：系统正是奇异

我们认为这个公式指定了我们想要的效用函数，但是不确定。它是否正确？另外，我们是否需要手动复制我们的数据记录？或者有没有办法让mlogit.data（）从我们的初始数据集中构建一组选择选项？

Answer 1

考虑到你准备的方式walk_mode_time和bike_mode_time你应该尝试walk_mode_time + bike_mode_time | 1 + carsdivworkers | 0作为公式。我通常发现生成部分归零变量很方便，并且只使用公式的第一部分，即walk_mode_time + bike_mode_time + walk_mode_carsdivworkers + bike_mode_carsdivworkers + ... | 1 | 0和*_carsdivworkers给出的值小于替代值的数量（因此未指定的变量的系数因此为0，其他变量相对于此） 。

也可能是您的数据有问题，例如，选择零个或多于一个替代品的选择情况，对所有替代品具有相同价值的变量等。如果公式0 | 1 | 0失败，那么您可能会遇到数据问题，如果发生这种情况，则会出现公式问题。