如何在Stata/R中拟合含多水平自变量的多项Logistic回归模型

一、适配模型推荐 #

针对交通方式选择预测需求（嵌套区级多水平变量+备选方案属性缺失），推荐以下模型及处理策略：

1. 多水平混合Logit模型 #

• 核心优势：
  • 完美适配离散选择场景（用户从多个交通方式中选其一）；
  • 支持嵌套的多水平结构，可纳入区级Income、Education作为组水平变量，捕捉区域层面的异质性；
  • 允许个体层面的偏好差异，比传统Multinomial Logit模型的灵活性更强。
• 缺失值处理：
  未选择方式的Price/Distance缺失，可先通过同区域同交通方式的均值填充，或采用多重插补（结合District、Income等变量）补充缺失属性，再代入模型。Stata可使用mi命令，R可使用mice包实现多重插补。

2. 条件Logit模型（基础版） #

若暂不考虑多水平异质性，条件Logit是最基础的离散选择分析模型，核心用备选方案特异性变量（Price、Distance）和个体社会经济变量（Income、Education）预测选择概率，适合初步探索性分析。

二、宽格式转长格式代码 #

Stata代码 #

* 读取宽格式数据
use "Trips_Districts.dta", clear

* 为每条行程分配唯一用户ID（每条记录对应一个用户的一次选择）
gen Person_id = _n

* 定义所有备选交通方式
local modes "Car Train Bus Plane"

* 扩展数据：每个用户对应4种交通方式的行
expand 4
bysort Person_id: gen Mode_alt = word("`modes'", _n)

* 生成选择标记变量：选中的方式为1，未选中为0
gen Choice = (Mode == Mode_alt)

* 将选中方式的Price/Distance复制到对应行，其他行暂为缺失
bysort Person_id: replace Price = Price[1] if Mode_alt == Mode[1]
bysort Person_id: replace Distance = Distance[1] if Mode_alt == Mode[1]

* 用同区域同交通方式的均值填充缺失的Price/Distance
bysort District Mode_alt: egen Price_mean = mean(Price)
replace Price = Price_mean if missing(Price)
bysort District Mode_alt: egen Distance_mean = mean(Distance)
replace Distance = Distance_mean if missing(Distance)

* 整理变量并保存
drop Mode Mode_id
rename Mode_alt Mode
save "Trips_Districts_Final.dta", replace

R代码（基于tidyverse） #

library(tidyverse)
library(haven)

# 读取宽格式数据
trips_wide <- read_dta("Trips_Districts.dta") %>%
  mutate(Person_id = row_number()) # 生成唯一用户ID

# 定义所有备选交通方式
modes <- c("Car", "Train", "Bus", "Plane")

# 宽转长并处理缺失值
trips_long <- trips_wide %>%
  # 每个用户扩展为4行，对应所有备选方式
  crossing(Mode_alt = modes) %>%
  # 生成选择标记变量
  mutate(Choice = ifelse(Mode == Mode_alt, 1, 0)) %>%
  # 复制选中方式的Price/Distance，未选中行设为缺失
  group_by(Person_id) %>%
  mutate(
    Price = ifelse(Mode_alt == Mode, Price, NA),
    Distance = ifelse(Mode_alt == Mode, Distance, NA)
  ) %>%
  ungroup() %>%
  # 用同区域同交通方式的均值填充缺失值
  group_by(District, Mode_alt) %>%
  mutate(
    Price = ifelse(is.na(Price), mean(Price, na.rm = TRUE), Price),
    Distance = ifelse(is.na(Distance), mean(Distance, na.rm = TRUE), Distance)
  ) %>%
  ungroup() %>%
  # 整理变量
  select(-Mode, -Mode_id) %>%
  rename(Mode = Mode_alt)

# 保存长格式数据
write_dta(trips_long, "Trips_Districts_Final.dta")

内容的提问来源于stack exchange，提问作者Sorath Abbasi