Sabit etkili lojistik regresyon için R paketi


14

RChamberlain'in 1980 tahmincisini kullanarak bireysel sabit etkili (bireysel kesişme) logit modellerinin katsayılarını tahmin etmek için bir paket arıyorum . Genellikle Chamberlain'in sabit etkili logit tahmincisi olarak bilinir.

İkili sonuç paneli verileriyle (en azından ekonometride) uğraşırken klasik bir tahmin edicidir, ancak CRAN'da bununla ilgili hiçbir şey bulamıyorum.

Bir ipucu?



Aynı durumla ilgileniyorum, bir çözüm / paket / kod buldunuz mu?
Mario GS

Yanıtlar:


12

Koşullu lojistik regresyon (Ben bu Chamberlain'in tahmincisi bahsederken refere ne olduğunu varsayalım) aracılığıyla kullanılabilir clogit()içinde hayatta kalma paketinin. Ayrıca koşullu logit parametrelerini tahmin etmek için R kodu içeren bu sayfayı buldum . Anket Pakette ayrıca karmaşık örnekleme durumunda GLM ve Survival modeli için sarıcı fonksiyonunun bir sürü içerir, ancak ben bakmadı.

Bakmak için de deneyin logit.mixediçinde Zelig paketinde veya doğrudan kullanmak lme4 binom bağlantı (bkz ile karışık etkiler modelleri için yöntemler sağlamak paket lmerya glmer).

Eğer bakmak mı R Ekonometri Grant V. Farnsworth? R'de uygulamalı ekonometriye (aşina olmadığım) nazik bir genel bakış sağlıyor.


1
Aslında, "koşullu logit" çok belirsiz bir terimdir. Bazı bağlamlar (esas olarak panel verileriyle uğraşırken), Chamberlain'in tahmincisine eşdeğerdir, ancak çok sık değildir. Çoğu zaman, sonuç değişkeninin 2'den fazla değer alabileceği kesitsel bir modeli ifade eder. Tüm teklifleriniz aslında bu son olasılığı göz önünde bulunduran paketleri ifade eder. Karışık logit ile aynı: sabit etkili logit değil. Farnsworth'un genel bakışına zaten bir göz attım, ancak bu tahminci hakkında konuşacak kadar kapsamlı değil. Her neyse, cevabınız için teşekkürler!
Kamixave

"Koşullu LOGIT" yok değil ikiden fazla sonuç seviyelerine sahip bakın. Bazı işlevler bunu bu duruma genişletebilir, ama mesele bu değildir.
Aniko

1
Evet, ancak koşullu logit modeli (dediğim gibi) Chamberlain'in panel verileri için özel olarak tasarlandığı gibi, Chamberlain'in modelinden kolayca ayırt edebilen 2'den fazla değer alabilir. Dolayısıyla bu ilgili bir bilgidir; Her zamanki koşullu logit'in tam açıklaması değildir (ve her ikisinin de açıklaması 600'den fazla karakter alacaktır).
Kamixave

2

Chamberlains modelini kullanarak çalıştırabilirsiniz glmer. Temel olarak bir RE modelidir, ancak daha fazla değişkene sahiptir:

glmer(y~X + Z + (1|subject), data, model=binomial("probit"))
  • X, sabit etki modelinizi açıklamayı düşündüğünüz değişkenlerdir (basit bir durum Z'nin ortalamasıdır)
  • Z sizin eksojen değişkenlerinizdir
  • Özne heterojenliğin geldiği değişkendir

Umarım bu yardımcı olur.


2
İstenen tahminci buna izin verirken, heterojenliğin X ve Z ile dik olmasını kısıtlayacağını düşünüyorum.
Alex

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.