如何将 R 中的 gmnl 函数应用于离散选择实验的潜在类分析？

Question

我尝试对来自离散选择实验的数据执行潜在类别分析。受访者需要在具有 as 属性的 2 个选项之间进行选择：他们喜欢的孩子数量，以及他们喜欢孩子的教育水平（表示为孩子数量的混合）。我的数据的第一行如下所示：

Respondent Block Choice card Chosen FNoPrimary  FPrimary FSecondary FTertiary MNoPrimary
 1          1           1      1    0.0000000  0.0000000   0.00     0.0000000  0.0000000
 1          1           1      0    0.3333333  0.6666667   0.00     0.0000000  0.0000000
 1          2          12      0    0.3333333  0.3333333   0.00     0.0000000  0.0000000
 1          2          12      1    0.1666667  0.0000000   0.00     0.3333333  0.1666667
 1          3           2      0    0.0000000  0.0000000   1.00     0.0000000  0.0000000
 1          3           2      1    0.0000000  0.0000000   0.25     0.0000000  0.0000000
  MPrimary MSecondary MTertiary NChildren Age District   Religion Indigenous Ethnic group    Sex
1        0       1.00 0.0000000         1  18        0 Protestant          0      Wolaita Female
2        0       0.00 0.0000000         3  18        0 Protestant          0      Wolaita Female
3        0       0.00 0.3333333         9  18        0 Protestant          0      Wolaita Female
4        0       0.00 0.3333333        12  18        0 Protestant          0      Wolaita Female
5        0       0.00 0.0000000         1  18        0 Protestant          0      Wolaita Female
6        0       0.25 0.5000000         4  18        0 Protestant          0      Wolaita Female
       Educational level Studentornot Farmerornot Marital status Having children Ever used contraception
1 High school - grade 10            1           0              0               0                       0
2 High school - grade 10            1           0              0               0                       0
3 High school - grade 10            1           0              0               0                       0
4 High school - grade 10            1           0              0               0                       0
5 High school - grade 10            1           0              0               0                       0
6 High school - grade 10            1           0              0               0                       0
  Alternative
1           1
2           2
3           1
4           2
5           1
6           2

我查看了 R 中所有可用的包，我认为只有 gmnl 包可以处理我的数据类型并且能够添加协变量。但是，如果我比较一个简单线性模型的潜在类分析的输出与只有 2 个协变量（年龄和地区）（如下所述），我将成为参数估计和对数似然的完全不同的输出（Stata 中的 -2598.6 vs R 中的 -2495.5）然后当我使用 Stata 执行相同的分析时（参见下面的代码）。

在R中：

defining_data <- mlogit.data(final_data_alternativeadded, id.var = "Respondent", choice = "Chosen", alt.var = "Alternative", chid.var="Choice.card", group.var = "Block", varying = 7:15, shape = "long")
mnl <- gmnl(Chosen ~ 1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + z | 0 | 0 | 0 | Age + District, data = defining_data, model = 'lc', Q = 3) 
summary(mnl)

在Stata中：

ssc install lclogit
ssc install fmlogit
lclogit chosen fprimary fsecondary ftertiary mnoprimary mprimary msecondary mtertiary block nchildren, group(choicecard) id(respondent) nclasses(3) membership(age district)

我尝试将所有变量设为数字，将混合比例乘以孩子的数量以获得彼此更接近的值，根据每个受访者的选择卡数量对我的数据集进行排序。 .但我总是得到潜在类概率的其他值。有人知道为什么吗？我知道 Stata 中的 lclogit 使用期望最大化算法，而 R 中的 gmnl 使用最大似然法，但我认为参数估计和对数似然不会因此而完全不同。

我还尝试使用现有的开放数据集：

状态：

use http://fmwww.bc.edu/repec/bocode/t/traindata.dta, clear
ssc install lclogit
ssc install fmlogit
lclogit y price contract local wknown tod seasonal, group(gid) id(pid) nclasses(3) seed(12345)

R：

getwd()
traindata <- read.xlsx("traindata.xlsx", 1, header = TRUE)
library(mlogit)
library(gmnl)
traindata[1:nrow(traindata),11] <- seq(1,4) #to add a column with the alternatives per choice numbered from 1 to 4
names(traindata) <- c('y', 'price', 'contract', 'local', 'wknown', 'tod', 'seasonal', 'gid', 'pid', 'X_xi', 'Alternative')
TM <- mlogit.data(traindata, choice = "y", id.var = "pid", alt.var = "Alternative", chid.var = "gid", shape = "long")
mnl <- gmnl(y ~ price + contract + local + wknown + tod + seasonal | 0 | 0 | 0 | 1, data = TM, model = 'lc', Q = 3)
summary(mnl)

但是，Stata 声明它们成为 -1117.9987 的对数似然，而 R 变为 -1329.5，并且两者都有完全不同的参数估计。

有人知道为什么会这样吗？

非常感谢您

亲切的问候

伊娃

Answer 1

这里有几件事值得考虑。

您可能会认为两者之间存在一些细微差别，因为 i) 潜在类模型很容易根据起始值收敛到不同的局部最优值，并且 ii) 与最大似然相比，期望最大化算法更有可能。但是，这里不太可能出现这种情况。

问题可能是 Stata 考虑了数据的面板结构，而在 R 中，您指定了一个横截面潜在类模型，将每个观察视为独立的。 LL 值的巨大差异是一个强有力的指标。

试试这个（使用panel = TRUE）：

mnl <- gmnl(y ~ price + contract + local + wknown + tod + seasonal | 0 | 0 | 0 | 1,
 data = TM, model = 'lc', Q = 3, panel = TRUE)