![](/img/trans.png)
[英]How to solve mlogit Error in solve.default(H, g[!fixed]) : system is computationally singular: reciprocal condition number = 3.03549e-18?
[英]R mlogit throws Error in solve.default(H, g[!fixed]):system is computationally singular: reciprocal condition number
我正在嘗試對以下數據進行離散選擇建模。 基本上,有30位顧客有16種不同的披薩選擇。 他們可以選擇一種以上的披薩,並且選擇的披薩由選擇變量指示。
pizza cust choice pan thin pineapple veggie sausage romano mozarella oz
1 1 Cust1 0 1 0 1 0 0 1 0 1
2 2 Cust1 1 0 1 1 0 0 0 0 0
3 3 Cust1 0 0 0 1 0 0 0 1 1
4 4 Cust1 1 0 1 1 0 0 0 0 0
5 5 Cust1 1 1 0 0 1 0 0 0 1
6 6 Cust1 0 0 1 0 1 0 1 0 0
7 7 Cust1 0 0 0 0 1 0 0 0 1
8 8 Cust1 1 0 1 0 1 0 0 1 0
9 9 Cust1 0 1 0 0 0 1 0 1 0
10 10 Cust1 1 0 1 0 0 1 0 0 1
11 11 Cust1 0 0 0 0 0 1 1 0 0
12 12 Cust1 0 0 1 0 0 1 0 0 1
13 13 Cust1 0 1 0 0 0 0 0 0 0
14 14 Cust1 1 0 1 0 0 0 0 1 1
15 15 Cust1 0 0 0 0 0 0 0 0 0
16 16 Cust1 0 0 1 0 0 0 1 0 1
17 1 Cust10 0 1 0 1 0 0 1 0 1
18 2 Cust10 0 0 1 1 0 0 0 0 0
19 3 Cust10 0 0 0 1 0 0 0 1 1
20 4 Cust10 0 0 1 1 0 0 0 0 0
當我使用以下命令來轉換我的數據時。 我嘗試在此處進行一些更改,例如添加chid.var = "chid"
alt.levels=c(1:16)
chid.var = "chid"
和alt.levels=c(1:16)
。 如果同時使用alt.levels
和alt.var
則會給我一個錯誤,指出披薩已經存在並將被替換。 但是,如果我使用它們中的任何一個,我都不會出錯。
pz <- mlogit.data(pizza,shape = "long",choice = "choice",
varying = 4:8, id = "cust", alt.var = "pizza")
最后,當我使用mlogit命令時,出現此錯誤。
mlogit(choice ~ pan + thin + pineapple + veggie + sausage + romano + mozarella + oz, pz)
Error in solve.default(H, g[!fixed]) :
system is computationally singular: reciprocal condition number = 8.23306e-19
這是我關於stackoverflow的第一篇文章。 我經常訪問該網站,到目前為止,由於我已經找到解決方案,所以無需發布。 我通過像幾乎所有類似的帖子就這一個,但徒勞無功。 我是離散選擇建模的新手,所以我不知道自己是否在犯任何基本錯誤。
另外,我不太確定chid.var
做什么。
無法解決此問題。 雖然可以從nnet包中使用multinom函數。 它似乎有效。 驗證答案。
數據集與問題中顯示的相同,因此無需任何轉換
library("nnet")
pizza_model <- multinom(choice ~ Price + IsThin + IsPan ,data=pizza_all)
summary(pizza_model)
其中,choice是要預測的因果分類變量。 Price,IsThin和IsPan是自變量。 下面是輸出
Call:
multinom(formula = choice ~ Price + I_cPan + I_cThin, data = pizza_all)
Coefficients:
Values Std. Err.
(Intercept) 0.007192623 1.3298018
Price -0.149665357 0.1464976
I_cPan 0.098438084 0.3138538
I_cThin 0.624447867 0.2637110
Residual Deviance: 553.8519
AIC: 561.8519
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.