我想估计 gmnl 中的二进制随机参数 logit，同时考虑未观察到和观察到的异质性。当 Gender 是一个具有 2 个级别 (0,1) 的因素时，它会导致以下错误。当 Gender 以与数值变量完全相同的结构进入 gmnl 函数时，公式运行正常。有没有人知道一个错误，其中没有因子变量(例如虚拟变量)可以在 gmnl 函数中输入公式作为社会人口特征，而只能输入数字？
类似的R包Rchoice也是如此。
有没有可能没有错误，但公式有其他我无法发现的错误？
MIXL_socdem_IX <- gmnl(formula = route~ cost + total_time |1 |0 |Gender-1, data = dataIX_MIXL, model = "mixl", ranp=c(cost="ln", total_time="n"), mvar = list(cost=c("Gender"), total_time=c("Gender")), panel=T, R=200, haltons = list("primes"= c(3,5), drop= rep(10,2)), method="bfgs", print.init = T)
错误是:
Error in gmnl(formula = route ~ cost + total_time | 1 | 0 | Gender - 1, : The following variables are not specified in the formula: Gender
谢谢 R 版本 3.5.1 (2018-07-02) -- “羽毛喷雾”
ind alt route cost total_time chid Gender Freq_2.4w
1.A 1 Egnatia FALSE -11.0 9 1 0 0
1.B 1 PEO TRUE -12.0 9 1 0 0
2.A 1 Egnatia FALSE -11.0 9 2 0 0
2.B 1 PEO TRUE -12.0 10 2 0 0
3.A 1 Egnatia TRUE -10.5 9 3 0 0
3.B 1 PEO FALSE -12.0 9 3 0 0
4.A 1 Egnatia TRUE -10.5 9 4 0 0
4.B 1 PEO FALSE -12.0 10 4 0 0
5.A 1 Egnatia TRUE -10.0 9 5 0 0
5.B 1 PEO FALSE -12.0 9 5 0 0
6.A 1 Egnatia FALSE -11.0 9 6 0 0
6.B 1 PEO TRUE -12.0 11 6 0 0
7.A 1 Egnatia TRUE -10.0 9 7 0 0
7.B 1 PEO FALSE -12.0 10 7 0 0
8.A 1 Egnatia TRUE -10.5 9 8 0 0
8.B 1 PEO FALSE -12.0 11 8 0 0
9.A 1 Egnatia TRUE -10.0 9 9 0 0
9.B 1 PEO FALSE -12.0 11 9 0 0
10.A 2 Egnatia FALSE -13.5 5 10 0 1
10.B 2 PEO TRUE -8.0 6 10 0 1
11.A 2 Egnatia FALSE -13.5 5 11 0 1
11.B 2 PEO TRUE -8.0 7 11 0 1
12.A 2 Egnatia FALSE -13.0 5 12 0 1
12.B 2 PEO TRUE -8.0 6 12 0 1
13.A 2 Egnatia FALSE -13.0 5 13 0 1
13.B 2 PEO TRUE -8.0 7 13 0 1
14.A 2 Egnatia FALSE -12.5 5 14 0 1
14.B 2 PEO TRUE -8.0 6 14 0 1
15.A 2 Egnatia FALSE -13.5 5 15 0 1
15.B 2 PEO TRUE -8.0 8 15 0 1
16.A 2 Egnatia FALSE -12.5 5 16 0 1
16.B 2 PEO TRUE -8.0 7 16 0 1
17.A 2 Egnatia FALSE -13.0 5 17 0 1
17.B 2 PEO TRUE -8.0 8 17 0 1
18.A 2 Egnatia FALSE -12.5 5 18 0 1
18.B 2 PEO TRUE -8.0 8 18 0 1
19.A 3 Egnatia FALSE -13.0 12 19 0 0
19.B 3 PEO TRUE -10.0 9 19 0 0
20.A 3 Egnatia FALSE -13.0 12 20 0 0
20.B 3 PEO TRUE -10.0 10 20 0 0
21.A 3 Egnatia TRUE -12.5 12 21 0 0
21.B 3 PEO FALSE -10.0 9 21 0 0
22.A 3 Egnatia TRUE -12.5 12 22 0 0
22.B 3 PEO FALSE -10.0 10 22 0 0
23.A 3 Egnatia FALSE -12.0 12 23 0 0
23.B 3 PEO TRUE -10.0 9 23 0 0
24.A 3 Egnatia FALSE -13.0 12 24 0 0
24.B 3 PEO TRUE -10.0 11 24 0 0
25.A 3 Egnatia TRUE -12.0 12 25 0 0
25.B 3 PEO FALSE -10.0 10 25 0 0
26.A 3 Egnatia TRUE -12.5 12 26 0 0
26.B 3 PEO FALSE -10.0 11 26 0 0
27.A 3 Egnatia TRUE -12.0 12 27 0 0
27.B 3 PEO FALSE -10.0 11 27 0 0
28.A 4 Egnatia FALSE -16.0 9 28 0 1
28.B 4 PEO TRUE -10.0 9 28 0 1
29.A 4 Egnatia FALSE -16.0 9 29 0 1
29.B 4 PEO TRUE -10.0 10 29 0 1
30.A 4 Egnatia FALSE -15.5 9 30 0 1
30.B 4 PEO TRUE -10.0 9 30 0 1
31.A 4 Egnatia FALSE -15.5 9 31 0 1
31.B 4 PEO TRUE -10.0 10 31 0 1
610.A 69 Egnatia TRUE -12.0 9 610 0 0
610.B 69 PEO FALSE -11.0 10 610 0 0
611.A 70 Egnatia FALSE -11.0 9 611 1 0
611.B 70 PEO TRUE -10.0 10 611 1 0
612.A 70 Egnatia FALSE -11.0 9 612 1 0
612.B 70 PEO TRUE -10.0 11 612 1 0
613.A 70 Egnatia TRUE -10.5 9 613 1 0
613.B 70 PEO FALSE -10.0 10 613 1 0
614.A 70 Egnatia TRUE -10.5 9 614 1 0
614.B 70 PEO FALSE -10.0 11 614 1 0
615.A 70 Egnatia TRUE -10.0 9 615 1 0
615.B 70 PEO FALSE -10.0 10 615 1 0
616.A 70 Egnatia FALSE -11.0 9 616 1 0
616.B 70 PEO TRUE -10.0 12 616 1 0
617.A 70 Egnatia TRUE -10.0 9 617 1 0
617.B 70 PEO FALSE -10.0 11 617 1 0
618.A 70 Egnatia TRUE -10.5 9 618 1 0
618.B 70 PEO FALSE -10.0 12 618 1 0
619.A 70 Egnatia TRUE -10.0 9 619 1 0
619.B 70 PEO FALSE -10.0 12 619 1 0
620.A 71 Egnatia FALSE -11.0 9 620 0 0
620.B 71 PEO TRUE -8.0 9 620 0 0
621.A 71 Egnatia FALSE -11.0 9 621 0 0
621.B 71 PEO TRUE -8.0 10 621 0 0
622.A 71 Egnatia FALSE -10.5 9 622 0 0
622.B 71 PEO TRUE -8.0 9 622 0 0
623.A 71 Egnatia FALSE -10.5 9 623 0 0
623.B 71 PEO TRUE -8.0 10 623 0 0
624.A 71 Egnatia FALSE -10.0 9 624 0 0
624.B 71 PEO TRUE -8.0 9 624 0 0
625.A 71 Egnatia FALSE -11.0 9 625 0 0
625.B 71 PEO TRUE -8.0 11 625 0 0
626.A 71 Egnatia FALSE -10.0 9 626 0 0
626.B 71 PEO TRUE -8.0 10 626 0 0
627.A 71 Egnatia TRUE -10.5 9 627 0 0
627.B 71 PEO FALSE -8.0 11 627 0 0
628.A 71 Egnatia TRUE -10.0 9 628 0 0
628.B 71 PEO FALSE -8.0 11 628 0 0
structure(list(ind = c(1L, 1L, 1L, 1L, 1L, 1L), route = c(FALSE,
TRUE, FALSE, TRUE, TRUE, FALSE), Freq_2.4w = c(0L, 0L, 0L, 0L,
0L, 0L), Gender = c(0L, 0L, 0L, 0L, 0L, 0L), alt = c("Egnatia",
"PEO", "Egnatia", "PEO", "Egnatia", "PEO"), cost = c(-11, -12,
-11, -12, -10.5, -12), total_time = c(9, 9, 9, 10, 9, 9), chid = c(1L,
1L, 2L, 2L, 3L, 3L)), row.names = c("1.A", "1.B", "2.A", "2.B",
"3.A", "3.B"), class = c("mlogit.data", "data.frame"))
最佳答案
因为 Gender 是一个因子变量。 R 会自动将 Gender=0 设置为基线，并使用名为 Gender1 的变量估计 Gender=1 的效果。
诚然还没有测试过，但这应该可以工作:
MIXL_socdem_IX <- gmnl(formula = route~ cost + total_time |1 |0 |Gender-1, data = dataIX_MIXL, model = "mixl", ranp=c(cost="ln", total_time="n"), mvar = list(cost=c("Gender1"), total_time=c("Gender1")), panel=T, R=200, haltons = list("primes"= c(3,5), drop= rep(10,2)), method="bfgs", print.init = T)
对于看到这篇文章的其他人，例如，如果您有四个类别的性别编码为 0、1、2、3，您将设置:
mvar = list(cost=c("Gender1","Gender2","Gender3"),total_time=("Gender1","Gender2","Gender3"))
关于r - R 包 gmnl 和 Rchoice 中可能存在错误？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52720535/