多项逻辑回归假设

多项逻辑回归的正确假设是什么？使用SPSS 18满足这些假设的最佳测试是什么？

MNL中的关键假设是，误差以Gumbel极值分布独立且相同地分布。测试此假设的问题在于它是先验的。在标准回归中，拟合最小二乘曲线，并测量残留误差。在logit模型中，您假设该点已经在测量误差，然后根据该假设计算似然函数。

一个重要的假设是样本是外生的。如果基于选择，则需要进行更正。

关于模型本身的假设，Train描述了三个：

1. 系统的和非随机的口味变化。
2. 替代方案之间的比例替代（IIA属性的结果）。
3. 错误项（面板数据）中无序列相关性。

您最主要的第一个假设是在遇到问题时要捍卫。第三个基本相同，因为误差项是纯随机的。

$\lambda = 1$$\lambda =1$

至于在SPSS中执行任何此操作，除了建议您mlogit在R中使用该程序包外，我无能为力。抱歉。

$Y$

gmacfarlane已经很清楚了。但是更确切地说，我假设您执行横截面分析，核心假设是IIA（无关的替代方案的独立性）。您不能强迫您的数据适合IIA假设，您应该对其进行测试并希望它能够得到满足。Spss肯定要等到2010年才能进行测试。R当然可以，但是您可能更容易迁移到stata并实现mlogit postestimation命令提供的IIA测试。

如果IIA不成立，则混合多项式logit或嵌套logit是合理的选择。第一个可以在gllamm中进行估计，第二个可以使用更简化的nlogit命令进行估计。