使用mlogit拟合随机截距多项logit模型时varying参数报错求助

问题描述 #

尝试运行随机截距多项logit模型，使用的数据集如下：

其中结果变量为Resolution，Index_1和Index_2嵌套在State中。使用mlogit.data转换数据时，无论设置shape="wide"还是"long"，均报错：

Error in guess(varying) : failed to guess time-varying variables from their names

使用的代码：

mlogit_data <- mlogit.data(data, shape = "wide", choice = "_Resolution", varying = 3:5, alt.levels = NULL)

问题原因与解决方法 #

核心错误点 #

1. choice参数名错误：代码中写的"_Resolution"多了下划线，实际数据中的结果变量名为Resolution，导致函数无法定位目标变量。
2. varying参数误用：varying用于指定不同备选方案对应的变量列，但当前数据是长格式（每行对应一个个体的选择记录），Index_1、Index_2是个体层面属性，并非分备选方案的变量，完全不需要设置这个参数。
3. shape参数判断错误：原始数据已经是长格式，不需要强行指定shape="wide"。

修正后的代码 #

步骤1：转换数据格式

# 提取所有备选方案的水平
alt_levels <- unique(data$Resolution)

# 转换为mlogit所需格式
mlogit_data <- mlogit.data(data, 
                           shape = "long", 
                           choice = "Resolution",  # 使用正确的变量名
                           alt.levels = alt_levels,
                           id.var = "ID")  # 指定个体ID变量

步骤2：验证转换结果

执行head(mlogit_data)查看转换后的数据结构，确认是否符合mlogit的要求。

步骤3：拟合随机截距多项logit模型

可以用lme4包的glmer函数实现随机截距模型：

library(lme4)
model <- glmer(Resolution ~ Index_1 + Index_2 + (1 | STATE), 
               data = data,
               family = multinomial(link = "logit"))

额外说明 #

只有当数据是宽格式（每行对应一个个体，列对应不同备选方案的属性）时，才需要设置shape="wide"并配合varying参数。当前数据属于标准长格式，无需额外指定备选方案变量列。

内容的提问来源于stack exchange，提问作者mmm coder