답변:
MNL의 주요 가정은 오류가 Gumbel 극값 분포와 함께 독립적이고 동일하게 분포된다는 것입니다. 의 문제 시험 이 가정은 구성되어 있다는 점이다 선험적 . 표준 회귀 분석에서는 최소 제곱 곡선을 맞추고 잔차 오차를 측정합니다. 로짓 모형에서는 오차가 이미 점을 측정하고 있다고 가정하고 해당 가정으로부터 우도 함수를 계산합니다.
중요한 가정은 샘플이 외인성이라는 것입니다. 선택 기반 인 경우에는 수정이 필요합니다.
모델 자체에 대한 가정에서 Train 은 다음 세 가지를 설명합니다.
첫 번째 가정은 문제의 맥락에서 대부분 방어해야합니다. 세 번째는 오류 조건이 완전히 무작위이기 때문에 거의 동일합니다.
그러나 두 번째는 어느 정도 테스트 할 수 있습니다. 중첩 된 로짓 모델을 지정하고 중첩 간 대체 패턴이 완전히 유연함 ( ) 인 경우 MNL 모델을 사용할 수 있으며 IIA 가정이 유효합니다. 그러나 내포 된 로짓 모델에 대한 로그 우도 함수는 로컬 최대 값을 가지므로 일관되게 유지해야합니다.
SPSS 에서이 작업을 수행하는 mlogit한 R 에서 패키지를 대신 사용하도록 제안하는 것 외에는 도움이되지 않습니다 . 죄송합니다.
다항 로지스틱의 가장 중요한 실제 가정 중 하나는 최소 주파수 범주 의 관측치 수가 예를 들어 모형 오른쪽의 모수 개수의 10 배인 것입니다.
gmacfarlane은 매우 명확합니다. 그러나 더 정확하게 말하면 단면 분석을 수행한다고 가정하면 핵심 가정은 IIA (무관 한 대안의 독립성)입니다. 데이터를 IIA 가정에 적합하게 강요 할 수 없으므로 테스트하고 만족하기를 바랍니다. Spss는 2010 년까지 테스트를 확실히 처리 할 수 없었습니다. 물론 R은 그렇게하지만 mlogit postestimation 명령으로 제공되는 IIA 테스트를 stata로 마이그레이션하고 구현하는 것이 더 쉬울 수 있습니다.
IIA가 보유하지 않는 경우 혼합 다항 로짓 또는 중첩 로짓이 합리적인 대안입니다. 첫 번째는 눈부심 내에서 추정 할 수 있고, 두 번째는 훨씬 더 교묘 한 nlogit 명령으로 계산할 수 있습니다.