在用asclogit进行离散选择模型分析时，有几个变量因为共线性omitted ，请问怎么解决？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

使用混合logit模型进行离散选择实验分析时，有几个变量omitted 了，但是不能忽视掉，请问这种情况怎么解决？
命令：asclogit 选择 x1 x2 x3 ...,case(GID) alternatives(选项) casevars (age gender...) nolog
note: x3 omitted because of collinearity.

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：omitted 离散选择模型 clogit logit 选择模型

软件认为存在共线性而忽略，首先需要确实是否是共线性

在使用混合Logit模型（也称为随机参数Logit模型）进行离散选择实验（DCE）分析时，如果某些变量由于完全多重共线性（perfect multicollinearity）而省略，这通常意味着这些变量与模型中的其他变量高度相关，导致模型无法估计它们的影响。

以下是一些解决这一问题的方法：

1. 检查数据：首先，检查数据集中的变量，确定是否有数据录入错误或者变量之间存在高度相关性。

2. 变量转换：尝试对变量进行转换，比如对数转换、标准化或中心化，这可能减少变量间的共线性。

3. 重新定义变量：如果可能的话，重新定义或重新构造变量，以减少它们之间的相关性。

4. 逐步回归：使用逐步回归方法来选择变量，这可以帮助识别和排除导致共线性的变量。

5. 主成分分析（PCA）：如果多个变量高度相关，可以使用PCA来减少变量的维度，同时保留大部分变异性。

6. 正则化方法：考虑使用正则化方法，如岭回归（Ridge Regression）或LASSO，这些方法可以处理共线性问题。

7. 模型简化：如果某些变量在模型中不是必要的，考虑简化模型，只包含对解释选择行为最重要的变量。

8. 使用其他模型：如果混合Logit模型中的共线性问题无法解决，可以考虑使用其他类型的模型，如条件Logit模型或多项式Logit模型。

9. 专家咨询：如果问题复杂，可以咨询统计或计量经济学领域的专家。

10. 透明度：在报告结果时，要透明地说明哪些变量被省略，以及省略的原因。

在Stata中，如果遇到共线性问题，可以使用vif命令来计算方差膨胀因子（VIF），这有助于识别共线性的严重程度。如果VIF值非常高（通常大于10），则表明存在共线性问题。

请注意，省略变量可能会影响模型的解释力和预测能力。在决定省略变量之前，应该仔细考虑其对模型的影响，并在可能的情况下采取措施来解决共线性问题。