使用纵向/面板数据建模多项因变量 (R)

Question

我在进行分析时遇到了一些问题，我想知道是否有其他选择。本质上，我有一个纵向数据集（或面板数据）和一个分类和时间不变的因变量（组成员资格）。例如：

ID	Time	Group	Sex	Age	X1	X2	X3
1	1	A	M	23	4	6	2
1	2	A	M	23	2	6	1
1	3	A	M	23	3	5	4
2	1	B	F	31	5	6	3
2	2	B	F	31	5	7	2
2	3	B	F	31	1	3	1
3	1	C	M	27	4	2	4
3	2	C	M	27	5	3	4
3	3	C	M	27	2	3	3

所以我们既有时不变变量（性别、年龄）和时变变量（X1、X2、X3），我们的 DV（组）在人体内是恒定的。通常，我认为这里的正确分析是混合多项 logit 回归，但是在尝试了许多包之后，我还没有找到在 R 中运行类似模型的方法。

我想知道是否可以使用其他类型的分析来模拟组成员身份。我探索了其他分析，例如纵向判别分析，但它们倾向于使用二元结果，而不是多项式。我还查看了诸如“multgee”之类的包，但这些包中的结果变量是在每个时间点测量的（而这里的 Group 在时间上是静态的）。

是否有我遗漏的与混合多项式模型相关的包，或者我可以使用另一个包来解释这个数据结构/结果变量？如有任何帮助，我们将不胜感激。

Answer 1

对于这种类型的数据，我认为多项式 logit 模型是合适的。在这种情况下，系数将表示自变量与个人群体变化相关的对数几率。

关于您可能会考虑哪些软件包，我会为您指出另一个答案here。似乎mlogit 将是通用多项式 logit 建模的最佳选择，但如果您更喜欢混合对数线性模型，nnet 可能更可取。