如何处理具有多级名义因变量、多级有序自变量和随机项的模型？
how to deal with a model with multilevel nominal dependent variable, multilevel ordered independent variable and random term?
我想研究以下问题：四级名义变量 (A) 如何依赖于五级序数变量 (B)。我还想包括一个随机项 (C)，它是一个名义变量。 （例如，如何选择四种产品（产品 1、产品 2、产品 3、产品 4）中的一种取决于该人看到广告的频率（未看到、稀有、一般、经常、非常经常），并且知道该人所在的地区生活影响产品偏好和看到广告。）
所以理想的模型应该是这样的：
A ~ B + (1|C)。 （或者用例子：产品~频率+（1|区）。
我想这可以用一般线性混合模型 (GLMM) 来研究。但是，我还没有找到任何类型的 GLMM 可以处理四级名义因变量。如果随机项不重要，那么使用简单的卡方检验会很好，但随机项确实很重要。
我想知道将因变量二值化并创建四个模型而不是一个模型是否是一种解决方案。第一个模型中的新因变量将选择或不选择产品 1，在第二个模型中它将选择或不选择产品 2，依此类推。所以新模型看起来像这样：
model1: 他们选择了product1 (yes/no) ~ frequency +(1|district)
model2: 他们选择了product2 (yes/no) ~ frequency +(1|district)
model3: 他们选择了product3 (yes/no) ~ frequency +(1|district)
model4: 他们选择了product4 (yes/no) ~ frequency +(1|district)
作为 post 临时测试，我会使用 Tukey 测试。
我不确定使用四个模型而不是一个是好的解决方案，但到目前为止这是我能想到的最好的解决方案。我真的很乐意收到任何建议。
（我和 R 一起工作。）
如果我对您的理解正确，mlogit 中的实现应该就是您要查找的内容。该软件包旨在实现多项式结果的建模。查看 ?mlogit::mlogit 了解详细信息和示例（有时称为 "mixed" 模型），但您的规格为：
m <- mlogit(A ~ B | district, data=mydata)
我想研究以下问题：四级名义变量 (A) 如何依赖于五级序数变量 (B)。我还想包括一个随机项 (C)，它是一个名义变量。 （例如，如何选择四种产品（产品 1、产品 2、产品 3、产品 4）中的一种取决于该人看到广告的频率（未看到、稀有、一般、经常、非常经常），并且知道该人所在的地区生活影响产品偏好和看到广告。）
所以理想的模型应该是这样的： A ~ B + (1|C)。 （或者用例子：产品~频率+（1|区）。
我想这可以用一般线性混合模型 (GLMM) 来研究。但是，我还没有找到任何类型的 GLMM 可以处理四级名义因变量。如果随机项不重要，那么使用简单的卡方检验会很好，但随机项确实很重要。
我想知道将因变量二值化并创建四个模型而不是一个模型是否是一种解决方案。第一个模型中的新因变量将选择或不选择产品 1，在第二个模型中它将选择或不选择产品 2，依此类推。所以新模型看起来像这样：
model1: 他们选择了product1 (yes/no) ~ frequency +(1|district)
model2: 他们选择了product2 (yes/no) ~ frequency +(1|district)
model3: 他们选择了product3 (yes/no) ~ frequency +(1|district)
model4: 他们选择了product4 (yes/no) ~ frequency +(1|district)
作为 post 临时测试，我会使用 Tukey 测试。
我不确定使用四个模型而不是一个是好的解决方案，但到目前为止这是我能想到的最好的解决方案。我真的很乐意收到任何建议。
（我和 R 一起工作。）
如果我对您的理解正确，mlogit 中的实现应该就是您要查找的内容。该软件包旨在实现多项式结果的建模。查看 ?mlogit::mlogit 了解详细信息和示例（有时称为 "mixed" 模型），但您的规格为：
m <- mlogit(A ~ B | district, data=mydata)