多項ロジスティック回帰の仮定

多項ロジスティック回帰の適切な仮定は何ですか？そして、SPSS 18を使用してこれらの仮定を満たすための最良のテストは何ですか？

MNLの主要な仮定は、誤差がガンベル極値分布で独立してまったく同じように分布していることです。この仮定をテストする際の問題は、それが演繹的に行われることです。標準回帰では、最小二乗曲線をあてはめ、残差を測定します。ロジットモデルでは、誤差は既にポイントの測定値にあると想定し、その想定から尤度関数を計算します。

重要な仮定は、サンプルが外因性であることです。選択ベースの場合、採用する必要のある修正があります。

モデル自体の仮定に関する限り、Trainは次の3つについて説明します。

1. 体系的で、ランダムではない味の変化。
2. 選択肢間の比例置換（IIAプロパティの結果）。
3. エラー期間（パネルデータ）にシリアル相関はありません。

最初の仮定は、ほとんどの場合、問題のコンテキストで防御する必要があるだけです。エラー項は純粋にランダムであるため、3番目はほぼ同じです。

$\lambda = 1$$\lambda =1$

SPSSでこれを行う限り、mlogit代わりにRでパッケージを使用することをお勧めする以外、私はあなたを助けることができません。ごめんなさい。

$Y$

gmacfarlaneは非常に明確です。しかし、より正確に言うと、断面分析を実行することを想定しているので、コアとなる仮定はIIA（無関係な代替の独立性）です。データをIIAの想定に適合させることはできません。テストして、満足することを期待してください。Spssは2010年までテストを処理できませんでした。Rはもちろんそれを行いますが、あなたがstataに移行して、mlogit推定後コマンドによって提供されるIIAテストを実装する方が簡単かもしれません。

IIAが成り立たない場合は、混合多項ロジットまたは入れ子ロジットが妥当な代替手段です。1つ目はgllamm内で推定でき、2つ目ははるかに簡潔なnlogitコマンドで推定できます。