我确定你已经找到了你的解决方案，因为这篇文章已经很老了，但对于我们这些仍在寻找解决方案的人来说——我发现http://youtu.be/-Cp_KP9mq94是一个很好的来源，可以帮助你了解如何使用 mlogit 包在 R 中运行多项逻辑回归模型。如果您访问计量经济学学院网站，她拥有 R 和 SAS 和 STATA 的所有脚本、数据，我认为是其中之一。

哪种解释了如何/为什么以及如何将数据转换为“长”格式与“宽”格式。很可能你有一个需要转换的宽格式。

https://sites.google.com/site/econometricsacademy/econometrics-models/multinomial-probit-and-logit-models

一般来说，两个不同软件之间 AIC 值的差异并不完全令人惊讶。计算可能性通常涉及相同数据的不同模型之间相同的常数。不同的开发人员可以就该常量的输入或输出做出不同的选择。您应该担心的是两个模型之间的 AIC 值差异何时不同。实际上，我刚刚注意到一个参数multinom()允许您更改具有相同 X 值的行的折叠方式，这会影响偏差的基线，从而影响 AIC。您可以尝试 summ 参数的不同值，看看这是否使偏差一致。我们不知道 JMP 在做什么！:)

如果估计的系数和标准误差相同，那么你很好。如果系数不相同，请不要忘记 JMP 可能会选择不同的基线结果来计算系数。multinom()做出不同的选择mlogit()，例如。

从 multinom() 的 summary() 结果中获取 p 值非常容易。我无法重现您的模型，因此这里是 multinom() 帮助页面中的示例：

library("nnet")
data("Fishing", package = "mlogit")
fishing.mu <- multinom(mode ~ income, data = Fishing)
sum.fishing <- summary(fishing.mu) # gives a table of outcomes by covariates for coef and SE
str(sum.fishing)
# now get the p values by first getting the t values
pt(abs(sum.fishing$coefficients / sum.fishing$standard.errors),
  df=nrow(Fishing)-6,lower=FALSE)

我同意弄清楚 mlogit 包是一个挑战！仔细阅读小插曲。他们确实有帮助。

您也可以尝试使用 glmnet 包运行多项式 logit。我不确定如何强制它保留所有变量，但我相信这是可能的。