Mise en place d'un Mlogit en R avec de nombreuses observations pour chaque catégorie

Question

J'essaie d'utiliser Mlogit dans R, je suis un peu nouveau pour les logits, et j'ai du mal à mettre en place mon problème dans le framework Mlogit. Je ne suis pas vraiment entièrement sûr que mlogit est la bonne approche. Voici un problème analogue. Considérons un jeu de données de baseball, avec une variable de résultat qui prend "out" "single" "double" "triple" et "homerun." Pour les variables explicatives, nous avons le nom du batteur, le nom du lanceur et le stade. Il y a des centaines d'observations pour chaque batteur, y compris beaucoup avec la pâte qui fait face au même lanceur. J'ai pensé que c'était définitivement un logit multinomial parce que j'ai plusieurs résultats catégoriques, mais je ne suis pas sûr parce que toute la documentation semble traiter des "choix" entre les alternatives, ce qui n'est pas vraiment le cas. J'ai essayé de démarrer mon modèle logit en ayant une variable de facteur pour le frappeur, une autre pour le lanceur, et une autre pour le stade. Quand j'ai essayé cela en R, je reçois

Error in row.names<-.data.frame(*tmp*, value = value) : invalid 'row.names' length

Avec googling je pense peut-être qu'il attend qu'une seule observation pour chaque combinaison de frappeurs, le lanceur et le parc? Peut être pas? Qu'est-ce que je fais mal? Comment dois-je mettre cela en place?

Edit: Exemple de données ici

https://docs.google.com/spreadsheets/d/19fiq_QEMj4nAPcTqIRxeaYNPgqeHxKAEuPrfHMeIJ7o/edit?usp=sharing

Answer 1

Voici quelques suggestions sur la façon dont vous pouvez commencer à analyser vos données.

# Your dataset 
dts <- structure(list(outcome = c(1L, 1L, 2L, 3L, 1L, 3L, 2L, 3L, 3L, 
3L, 3L, 1L, 2L, 2L, 2L, 1L, 3L, 2L, 2L, 2L, 1L, 2L, 3L, 2L, 2L, 
2L, 2L, 1L, 1L, 2L, 3L, 2L, 3L, 1L, 2L, 2L, 3L, 2L, 3L, 3L, 3L, 
2L, 1L, 1L, 1L, 2L, 3L, 2L, 1L), hitter = structure(c(3L, 3L, 
3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 2L, 2L, 2L, 1L, 1L, 1L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("james", 
"jill", "john"), class = "factor"), pitcher = structure(c(3L, 
3L, 1L, 1L, 1L, 1L, 2L, 2L, 3L, 2L, 2L, 2L, 2L, 2L, 3L, 1L, 1L, 
2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 3L, 2L, 1L, 2L, 3L, 2L, 
3L, 2L, 1L, 1L, 2L, 2L, 1L, 3L, 3L, 1L, 2L, 2L, 1L, 1L, 2L, 2L 
), .Label = c("bill", "bob", "brett"), class = "factor"), place = structure(c(3L, 
3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 5L, 
5L, 5L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L 
), .Label = c("ca", "co", "dc", "ny", "tn"), class = "factor")), .Names = c("outcome", 
"hitter", "pitcher", "place"), class = "data.frame", row.names = c(NA, 
-49L)) 

# Estimation of a multinomial logistic regression model 
library(mlogit) 
dts.wide <- mlogit.data(dts, choice="outcome", shape="wide") 
fit.mlogit <- mlogit(outcome ~ 1 | hitter+pitcher+place, data=dts.wide) 

# Results 
library(stargazer) 
stargazer(fit.mlogit, type="text") 

# Model coefficients with standard errors and statistical significance (stars) 
========================================== 
        Dependent variable:  
       --------------------------- 
         outcome   
------------------------------------------ 
2:(intercept)   19.456   
         (3,056.626)   

3:(intercept)   35.179   
         (4,172.540)   

2:hitterjill    -17.543   
         (3,056.625)   

3:hitterjill    -33.117   
         (4,172.540)   

2:hitterjohn    -0.188   
         (0.996)   

3:hitterjohn    -1.410   
         (1.056)   

2:pitcherbob    -0.070   
         (1.005)   

3:pitcherbob    -1.270   
         (1.091)   

2:pitcherbrett   -0.908   
         (1.063)   

3:pitcherbrett   -2.284*   
         (1.257)   

2:placeco    -1.655   
         (1.557)   

3:placeco    -17.688   
         (2,840.270)   

2:placedc    -19.428   
         (3,056.626)   

3:placedc    -34.479   
         (4,172.540)   

2:placeny    -18.802   
         (3,056.625)   

3:placeny    -32.873   
         (4,172.540)   

2:placetn    -18.885   
         (3,056.626)   

3:placetn    -32.140   
         (4,172.540)   

------------------------------------------ 
Observations    49    
R2      0.155   
Log Likelihood   -44.605   
LR Test    16.388 (df = 18)  
========================================== 
Note:   *p<0.1; **p<0.05; ***p<0.01 

Plus de détails sur l'estimation des modèles logistiques multinomiaux en R sont disponibles here.