r - 有关如何在R中运行嵌套逻辑回归的分步过程

Question

请向我提供有关如何在R中进行嵌套逻辑回归的详细(尽可能)的步骤。我是R的新手，所以如果我能得到详细的答案，它将对我有很大帮助。

我们测试了渔民退出渔业的决定如何受到不同的社会经济因素的影响。
因变量:0-停留； 1-退出
预测指标:年龄(连续)；教育(分类)；子女数(连续)等

我们的受访者来自不同的城镇。本文的审稿人要求我们使用嵌套逻辑回归来对受访者所在的城镇进行核算。

非常感激你的帮助。非常感谢。

Answer 1

install.packages("mlogit")    
library(mlogit)

my.data <- YOUR.DATA    

nested.logit <- mlogit(stay.exit~ age + education + children , my.data,
shape='long', alt.var='town.list', nests=list(town.list))

有关嵌套logit模型调用的示例，请参见mlogit手册的第19页。您必须自己查看文档，以确保您在选择方面获得所需的东西。 http://cran.r-project.org/web/packages/mlogit/mlogit.pdf

Segue:通常，在查看嵌套模型之前，我通常希望先查看一下town.list中的所有模型:

注意:如果未考虑分类变量，则必须在模型公式中将它们用as.factor(variable)括起来

# Show a little love for plyr
library(plyr)

## RNG
set.seed(123454321)

## Create a list object to store your models
my.models <- list()

## import your data
my.data <- YOUR.DATA

## Create a loop that runs by the list of towns
for(x in 1:length(mydata$town.list) {
## subset data in each step by the town
dat <- subset(my.data, town == town.list[x])
## Save the model to it's own place in the list, identified by town
my.models[[town.list[x]]] <- glm(formula = stay.exit ~ age + education + children, 
family = binomial(link = "logit"), 
data=dat)
}

## View summaries for all models
llply(my.models, summary)

## Access specific models
my.models$<TOWN NAME>