如何计算使用 nnet 包创建的多项式 logit 模型的边际效应？
How to compute marginal effects of a multinomial logit model created with the nnet package?
我有一个使用 nnet R 包创建的多项式 logit 模型，使用 multinom 命令。因变量具有三个 categories/choice 选项。我正在根据农民特征对选择某种灌溉类型（不灌溉、地表灌溉、滴灌）的概率进行建模。
我想估计边际效应，即当我将自变量 X 增加一个单位时，选择灌溉类型 Y 的概率会改变多少？我曾尝试使用 margins 包 (marginal_effects) 执行此操作，但这只为数据集中的每个观察值提供了 1 个值。我期待三个值，因为我想要三种灌溉类型中每一种的边际效应。
有人知道是否有更好的 R 包可用于此吗？或者我是否对 margins 包做错了什么？谢谢。
您可以使用 marginaleffects
包裹要做
那（免责声明：我是维护者）。请注意警告。
library(nnet)
library(marginaleffects)
mod <- multinom(factor(cyl) ~ hp + mpg, data = mtcars, quiet = true)
mfx <- marginaleffects(mod, type = "probs")
## Warning in sanity_model_specific.multinom(model, ...): The standard errors
## estimated by `marginaleffects` do not match those produced by Stata for
## `nnet::multinom` models. Please be very careful when interpreting the results.
summary(mfx)
## Average marginal effects
## type Group Term Effect Std. Error z value Pr(>|z|) 2.5 %
## 1 probs 6 hp 2.792e-04 0.000e+00 Inf < 2.22e-16 2.792e-04
## 2 probs 6 mpg -1.334e-03 0.000e+00 -Inf < 2.22e-16 -1.334e-03
## 3 probs 8 hp 2.396e-05 1.042e-126 2.298e+121 < 2.22e-16 2.396e-05
## 4 probs 8 mpg -2.180e-04 1.481e-125 -1.472e+121 < 2.22e-16 -2.180e-04
## 97.5 %
## 1 2.792e-04
## 2 -1.334e-03
## 3 2.396e-05
## 4 -2.180e-04
##
## Model type: multinom
## Prediction type: probs
我有一个使用 nnet R 包创建的多项式 logit 模型，使用 multinom 命令。因变量具有三个 categories/choice 选项。我正在根据农民特征对选择某种灌溉类型（不灌溉、地表灌溉、滴灌）的概率进行建模。
我想估计边际效应，即当我将自变量 X 增加一个单位时，选择灌溉类型 Y 的概率会改变多少？我曾尝试使用 margins 包 (marginal_effects) 执行此操作，但这只为数据集中的每个观察值提供了 1 个值。我期待三个值，因为我想要三种灌溉类型中每一种的边际效应。
有人知道是否有更好的 R 包可用于此吗？或者我是否对 margins 包做错了什么？谢谢。
您可以使用 marginaleffects
包裹要做
那（免责声明：我是维护者）。请注意警告。
library(nnet)
library(marginaleffects)
mod <- multinom(factor(cyl) ~ hp + mpg, data = mtcars, quiet = true)
mfx <- marginaleffects(mod, type = "probs")
## Warning in sanity_model_specific.multinom(model, ...): The standard errors
## estimated by `marginaleffects` do not match those produced by Stata for
## `nnet::multinom` models. Please be very careful when interpreting the results.
summary(mfx)
## Average marginal effects
## type Group Term Effect Std. Error z value Pr(>|z|) 2.5 %
## 1 probs 6 hp 2.792e-04 0.000e+00 Inf < 2.22e-16 2.792e-04
## 2 probs 6 mpg -1.334e-03 0.000e+00 -Inf < 2.22e-16 -1.334e-03
## 3 probs 8 hp 2.396e-05 1.042e-126 2.298e+121 < 2.22e-16 2.396e-05
## 4 probs 8 mpg -2.180e-04 1.481e-125 -1.472e+121 < 2.22e-16 -2.180e-04
## 97.5 %
## 1 2.792e-04
## 2 -1.334e-03
## 3 2.396e-05
## 4 -2.180e-04
##
## Model type: multinom
## Prediction type: probs