多项式混合logit模型mlogit r-包
为了估计多项式混合logit模型,我发现了多项式logit模型的多项式混合logit模型mlogit r-包,r,mixed-models,multinomial,mlogit,R,Mixed Models,Multinomial,Mlogit,为了估计多项式混合logit模型,我发现了多项式logit模型的mlogit。在阅读了这篇精彩的小插曲之后,我发现我无法将我的数据应用到所描述的任何示例中 我现在写这篇文章是希望能对我的问题有所帮助,并创建了一个简单的例子来说明我的情况 问题如下: 在某处有辅音“Q”的单词。现在进行了一项实验,要求听这些单词的人说他们是否听到了Q、U或其他辅音。这必须根据音节位置或实/非实单词等因素进行建模 在最简单的例子中,我创建了4个人,他们的答案带有音节位置 library(mlogit) library
mlogit
。在阅读了这篇精彩的小插曲之后,我发现我无法将我的数据应用到所描述的任何示例中
我现在写这篇文章是希望能对我的问题有所帮助,并创建了一个简单的例子来说明我的情况
问题如下:
在某处有辅音“Q”的单词。现在进行了一项实验,要求听这些单词的人说他们是否听到了Q、U或其他辅音。这必须根据音节位置或实/非实单词等因素进行建模
在最简单的例子中,我创建了4个人,他们的答案带有音节位置
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
首先,我使用mlogit.data
-函数来重塑文件。与同事讨论后,我们得出结论,没有替代的.specific.variable
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
dataMod参数rpar
只接受可选的特定变量。不需要在模型公式中指定特定于个人的id——这可以通过在mlogit.data
命令中包含id.var=something
来处理。例如,如果您有一个替代的特定协变量acov
,您可以允许面板上的acov
的随机斜率:
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)
相关问题包括优先选择、马尔可夫链的收敛等。Florian Jaeger的实验室博客中除了MCMCglmm
文档外,还提供了一个您可能会觉得有用的方法。您是否碰巧知道如何实现音节
变量的效果编码?我试过dat$sylleleeff@schlusie,你可以手动构建对比度。在定义<代码> SelabelEff<<代码>如你的评论:<代码> MMC@ ScLusie之后,只需跟随一个(希望)更清晰的例子,考虑下面的线性模型,根据上面的模拟数据:<代码> DAT$Y非常感谢伊北。第一条评论帮助我解决了问题,第二条评论帮助我理解了问题背后的原因。(甚至能理解哪种特质做得更好;)
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)
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)