Các lựa chọn thay thế cho mô hình logit đa phương

Tôi đang cố gắng ước tính một mô hình lựa chọn nghề nghiệp với ba lựa chọn. Có sự thay thế nào cho việc sử dụng hồi quy logistic đa thức khi xử lý các kết quả phân loại không theo thứ tự như vậy không?

Khi xử lý các biến phụ thuộc nhị phân, dường như có một số lựa chọn như mô hình LPM cũng như mô hình logbit và logit nhị phân. Tuy nhiên, khi xử lý các biến phân loại không có thứ tự, tài liệu vẫn đề xuất mô hình logit đa phương mà không so sánh nó với các lựa chọn thay thế.

Có một loạt các mô hình có sẵn để mô hình các mô hình đa cực.

Tôi khuyên dùng Cameron & Trivingi Microeconometrics Sử dụng Stata để giới thiệu dễ dàng và xuất sắc hoặc xem qua các Bài giảng của Imbens & Wooldridge hoặc ở đây có sẵn trực tuyến.

Các mô hình được sử dụng rộng rãi bao gồm:

hồi quy logistic đa thức hoặc mlogit trong Stata

logit đa điều kiện (cho phép dễ dàng bao gồm không chỉ các yếu tố dự đoán cụ thể mà còn cả các lựa chọn cụ thể) hoặc asclogit trong Stata

logit lồng nhau (thư giãn sự độc lập khỏi giả định thay thế không liên quan (IIA) bằng cách nhóm / lựa chọn xếp hạng theo cách phân cấp) hoặc nlogit trong Stata

logit hỗn hợp (làm giảm giả định IIA bằng cách giả sử các tham số phân phối bình thường) hoặc mixlogit trong Stata.

Mô hình probit đa cực (có thể làm giảm thêm giả định IIA nhưng bạn nên có sẵn các dự đoán cụ thể theo lựa chọn) logit (thư giãn giả định IIA giả sử, ví dụ như các tham số phân tán bình thường), sử dụng asmprobit trong Stata (mprobit không cho phép sử dụng các dự đoán cụ thể theo lựa chọn nhưng bạn nên sử dụng chúng để thư giãn IIA )

Nếu bạn muốn các tùy chọn khác hoàn toàn với hồi quy logistic, bạn có thể sử dụng mạng lưới thần kinh. Ví dụ, nnetgói của R có multinomchức năng. Hoặc bạn có thể sử dụng Rừng ngẫu nhiên ( randomForestgói R và các gói khác). Và có một số lựa chọn thay thế Machine Learning khác, mặc dù các tùy chọn như SVM có xu hướng không được hiệu chỉnh tốt khiến cho kết quả đầu ra của chúng kém hơn - theo ý kiến ​​của tôi - đối với hồi quy logistic.

[Trên thực tế, một logit có thể đang được sử dụng dưới mui xe bởi các tế bào thần kinh trong mạng lưới thần kinh. Vì vậy, nó khá khác nhau, nhưng không hoàn toàn khác nhau cùng một lúc.]

Ngoài ra, hãy nghĩ rằng Mạng lưới thần kinh (với kích hoạt softmax), Cây quyết định (hoặc Rừng ngẫu nhiên) không yêu cầu giả định IIA phải được xem xét khi xem xét độ tin cậy của các thử nghiệm này liên quan đến việc kiểm tra giả định IIA. Vì vậy, đây có thể là một lợi thế so với logistic đa quốc gia nếu tất cả những gì chúng ta quan tâm chỉ là dự đoán.

Ngoài ra, nhiều mô hình logistic có thể được xây dựng cho các danh mục K-1 với danh mục Kth làm tham chiếu. Điều này cũng cho phép các dự đoán khác nhau được cắm cho mỗi phương trình trái ngược với đa phương thức