Когда я пытаюсь подогнать модель Ordered Logit к длинному набору данных, функции возвращают ошибку Error in solve.default(H, g[!fixed]): system is computationally singular: reciprocal condition number = 3.64628e-18.
Я видел это , но данные больше не доступны, и я не мог решить мою проблему.Кроме того, попытался этот и этот безуспешно.
Код, который воспроизводит набор данных, который я использую:
# Example of caracteristic dummies
caract <- tibble::tribble(~CPU, ~RAM,
1, 1,
-1, 1,
1, -1,
-1, -1)
# Weights for choosing the probabilities
weights <- c(0.3954545, 0.2727273, 0.2363636, 0.0954546)
# Simulating the choices block
block <- caract
block$Alternative <- 1:4
# Simulating the dataset
df <- NULL
n_decisors <- 50
set.seed(123456)
i <- 1
for(i in 1:n_decisors){
block$Decisor <- i
block$Choice <- sample(1:4, prob = weights)
df <- rbind(df, block)
}
И процедура подбора модели, которая возвращает ошибку:
library(mlogit)
# Creating the model data object
df_mlogit <- mlogit.data(data = df, choice = "Choice",
shape = "long", alt.var = "Alternative",
varying = 1:2, ranked = T)
# Fitting the model
m <- mlogit(formula = Choice ~ CPU + RAM,
rpar = c(CPU = "n", RAM = "n"),
data = df_mlogit)
Когда я делаю блок выбора неисчерпывающим, выбирая строки из caract в каждой итерации df моделирования, ошибка не 'Это происходит, но мне нужно оценить случай, когда данные в формате имитирует в этом примере.Кроме того, я знаю, nnet::multinom(Choice ~ CPU + RAM, data=df) решает эту проблему, но она не подходит для смешанной логит-модели, что также необходимо для меня.