R mlogit 模型，计算奇异
R mlogit model, computationally singular
我今天一整天都在努力格式化我的 data （在通过 BondedDust 的 table(TM) 建议发现错误后更新） 适合 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为我的数据建模。
model <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)
Error in solve.default(H, g[!fixed]) : system is computationally
singular: reciprocal condition number = 6.26659e-18
我真的很想在这个话题上得到一些帮助。恐怕我会有点生气。
数据本身来自一项实验，我们让 1000 人在两盘食物之间做出决定（我们改变食物的外观 - Angular 或圆形 - 并改变盘子的形状- 是 Angular 或循环）。
致以最良好的祝愿，
安迪.
PS 恐怕我是 Whosebug 上有统计问题的新手。
与其说这是一个答案，不如说这是一个评论（我没有足够的代表点数来发表评论！）。但是，我无法重现您的代码，因为您的 rData.csv.
中没有任何 age 列
该模型无法将您的 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，您将 "TS" 和 "RS" 作为 .csv 文件中第一个选项的替代索引键，但您将 "RR" 和 "RS" 作为选项 3634 的键。另外，您也没有指定备选方案的名称 (alt.levels)。由于 alt.levels 未填写，mlogit.data 将自动尝试根据替代索引检测替代项， 它无法正确解释 .这基本上就是一切出错的地方：'food' 和 'plate' 变量没有被解释为替代方案，而是被视为最终导致奇点问题的个别特定变量。
您有两种选择来解决此问题。您可以通过 alt.levels 参数将实际替代方案作为 mlogit.data 的输入：
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 将它们作为输入提供。 mlogit.data 现在可以正确猜出您的备选方案是什么：
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)
我们验证这两个模型确实相同。模型一的结果：
> 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 的结果对比。请注意，备选方案已正确识别，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)
我今天一整天都在努力格式化我的 data （在通过 BondedDust 的 table(TM) 建议发现错误后更新） 适合 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为我的数据建模。
model <- mlogit(selected ~ food + plate | sex + age +hand, data = TM)
Error in solve.default(H, g[!fixed]) : system is computationally singular: reciprocal condition number = 6.26659e-18
我真的很想在这个话题上得到一些帮助。恐怕我会有点生气。
数据本身来自一项实验，我们让 1000 人在两盘食物之间做出决定（我们改变食物的外观 - Angular 或圆形 - 并改变盘子的形状- 是 Angular 或循环）。
致以最良好的祝愿， 安迪.
PS 恐怕我是 Whosebug 上有统计问题的新手。
与其说这是一个答案，不如说这是一个评论（我没有足够的代表点数来发表评论！）。但是，我无法重现您的代码，因为您的 rData.csv.
age 列
该模型无法将您的 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，您将 "TS" 和 "RS" 作为 .csv 文件中第一个选项的替代索引键，但您将 "RR" 和 "RS" 作为选项 3634 的键。另外，您也没有指定备选方案的名称 (alt.levels)。由于 alt.levels 未填写，mlogit.data 将自动尝试根据替代索引检测替代项， 它无法正确解释 .这基本上就是一切出错的地方：'food' 和 'plate' 变量没有被解释为替代方案，而是被视为最终导致奇点问题的个别特定变量。
您有两种选择来解决此问题。您可以通过 alt.levels 参数将实际替代方案作为 mlogit.data 的输入：
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 将它们作为输入提供。 mlogit.data 现在可以正确猜出您的备选方案是什么：
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)
我们验证这两个模型确实相同。模型一的结果：
> 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 的结果对比。请注意，备选方案已正确识别，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)