这就是我想要做的，但似乎没有predict适用于 mlogit 的方法。有任何想法吗？
library(mlogit)
data("Fishing", package = "mlogit")
Fish <- mlogit.data(Fishing, varying = c(2:9), shape = "wide", choice = "mode")
Fish_fit<-Fish[-1,]
Fish_test<-Fish[1,]
m <- mlogit(mode ~price+ catch | income, data = Fish_fit)
predict(m,newdata=Fish_test)
mlogit 包确实有一个 predict() 方法，至少在我使用的版本中（0.2-3 和 R 2.15.3）。
@Zach 提供的代码有一个错误。mlogit() 使用的“长格式”数据每个选项都有一行；这是由 mlogit.data() 函数创建的格式。因此，要获得第一个案例的预测，您需要提取该案例的所有行，并且有 4 个：
Fish_fit<-Fish[-(1:4),]
Fish_test<-Fish[1:4,]
m <- mlogit(mode ~price+ catch | income, data = Fish_fit)
predict(m,newdata=Fish_test)
这给出了一个很好的结果。
在尝试对人口使用预测功能进行了大量努力之后，我想我可以为您的所有答案添加一些见解。
mlogit的predict功能运行良好，您只需要进行一些调整并确保以下事项得到处理：
（如预期的newdata那样）应该包含与用于模型估计的样本完全相同的数据。这意味着人们应该检查数据的“隐藏”属性（例如factor继承不存在的级别 -droplevel在这种情况下可能有用 - 或未在样本因子中引入，或错误colname等）。
您必须在 newdata（如果它不存在）中做出任意选择，这些选择可以使用该sample函数轻松完成：
MrChoice <-sample(c("Car", "Bus", "Walk"),nrow(datase),replace=TRUE, prob = c(0.5, 0.4, 0.1))
mynewData$mode<-MrChoice
下一个需要的步骤是再次将数据转换为 mlogit 数据，使用与示例数据相同的函数，例如：
ExpData3<- mlogit.data(mynewData, shape="wide", choice = "mode",sep=".",id = "TripID")
最后一步是使用该predict函数进行实际预测。
resulted<-predict(ml1,newdata=ExpData3)
这是一个有用的技巧：将要预测的数据添加到原始估计样本中，但使用权重变量将这些新观测值的权重设置为零。估计模型（新观察值的权重为零），并从“概率”输出中获得预测。这样你就可以绕过预测功能，这是一团糟。
为了回答我自己的问题，我转而使用“glmnet”包来拟合我的多项式 logits，它具有使用套索或弹性网络来规范我的自变量的额外优势。glmnet 似乎是一个比 mlogit 更“完成”的封装，具有“预测”功能。