Ошибка Mlogit: Ошибка в файле resolve.default (H, g [! Fixed]): Процедура Lapack dgesv: система точно сингулярна: U [6,6] = 0

Я пытаюсь запустить полиномиальную регрессию для своего набора данных, чтобы увидеть влияние Channel и Touchpoint на выбор с ценой и устройством в качестве элементов управления, но, к сожалению, получаю сообщение об ошибке.

Первые несколько строк моего data.frame после уже запущенного на нем mlogit.data выглядят так:

ORDER_ID    PRODUCT_ID    DEVICE    PRICE    TOUCHPOINT    CHANNEL    1_or_2    CHOICE    chid    alt
123         566           laptop    99       paid          offline    1         TRUE      33      1
123         566           laptop    99       paid          offline    1         FALSE     33      2
123         534           phone     56       paid          offline    2         FALSE     45      1
123         534           phone     56       paid          offline    2         TRUE      45      2
124         876           laptop    85       unpaid        online     1         TRUE      111     1
124         876           laptop    85       unpaid        online     1         FALSE     111     2

Код, который я пытаюсь запустить:

Choice_mlg <- mlogit(Choice_A_or_B ~ 1 | Channel + Touchpoint + Price + Device, 
                                    data = ml_choice_1, reflevel = 1, na.action = na.exclude)

Затем я получаю следующее сообщение об ошибке:

Error in solve.default(H, g[!fixed]) : Lapack routine dgesv: system is exactly singular: U[6,6] = 0

Может ли кто-нибудь помочь в том, что я здесь делаю неправильно?

Спасибо и всего наилучшего


r mlogit
person steffiabc    schedule 24.09.2019    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Ошибка означает, что матрица Гессе сингулярна, т.е. определитель равен нулю. По сути, вы не можете получить матрицу дисперсии, которая равна отрицательной обратной величине гессиана.

Если посмотреть на вашу модель и ваши данные, это может быть вызвано несколькими причинами. Вы не предоставили MWE, поэтому я могу опустить только ту информацию, которую вы предоставили.

  1. Посмотрите на свою переменную alt, она варьируется от 1 до 2, но обе альтернативы идентичны. Это означает, что нет абсолютно никаких различий между альтернативами для объяснения выбора. Это может привести к сингулярному в вычислительном отношении гессиану (другой причиной может быть очень сильная корреляция между альтернативами).
  2. Переменная вашего выбора называется Choice_A_or_B. Это не часть данных, поэтому его трудно увидеть, но в длинном формате он должен принимать значения TRUE/FALSE. Он должен быть TRUE для выбранной альтернативы и FALSE для всех невыбранных альтернатив в каждом случае выбора. Посмотрите на свою переменную CHOICE, которая выглядит здесь правильной.
  3. Глядя на переменную ORDER_ID, она одинакова для двух chid. Означает ли это, что один и тот же покупатель купил два товара?
  4. Есть ли причина, по которой вы указали Channel, Touchpoint, Price и Device как альтернативные варианты? Это не имеет значения для приведенного выше примера (см. Пункт 1), но должно быть тщательно продумано в вашей окончательной модели.

В общем, когда вы настраиваете свои данные (в длинном формате), вам нужно иметь одну строку для каждой альтернативы с индексами для индивидуума, случая выбора и альтернативы.

person edsandorf    schedule 11.10.2019