R中的xtlogit-logit固定效果

Question

我试图弄清楚如何在R中执行固定效果logit回归（类似于Stata的xtlogit命令）。 我读过几个软件包，例如“ pglm”或“ bife”，但无法运行我的模型。

我的数据保存为数据框，如下所示：

ID   Time  Y  X
1    2000  1  0
1    2001  0  1
1    2002  1  1
...
1    2016  1  0
...
n

基本上，我想运行固定效果logit回归：

 y_jt = beta*x_jt + mu_j + pi_t + epsilon_jt

其中j是ID，t是时间，mu是ID固定效果，pi是时间固定效果，以及epsilon误差项。

我愿意使用任何包装。 我从“ bife”开始，但不知道如何设置ID和Time固定效果。 我试过了：

 mod.no <- bife(y ~ x | ID, data = panel)

是否需要像Stata的“ xtset”命令一样将数据设置为面板？

提前谢谢了！

编辑

我想在R中复制的Stata命令是：

xi: xtlogit Y X i.Time, fe

Answer 1

总的来说，我认为此处的策略是执行以下操作：

1. 创建一个变量，其中包含预测变量的个体水平平均值。 使用dplyr最容易实现：

   data <- data $>$ group_by(ID) %>% mutate(X_mean = mean(X))

这里的神奇之处在于group_by函数，该函数使mean操作计算组均值而不是全局均值。

2. 使用lme4将logit模型估计为多级模型。 这是我指定模型的方式：

   glmer(Y ~ X + X_mean + Time + (1 | ID), family = binomial)

面板数据，多级建模和其他一些文献之间确实混入了“固定”和“随机”这两个术语，因此对于如何概念化“时间固定效应”，我还不太清楚。 这是什么模式，您可以是一个固定效应X ，用于系数X将代表的受试者内效应X 。 我将“ Time作为预测变量，它将把年份视为附加的预测变量，其解释取决于连续性还是分类性。 有些人认为这是“随机”效应（例如在随机斜率或某些文献中是“增长曲线”）。 您可以这样做：

glmer(Y ~ X + X_mean + Time + (Time | ID), family = binomial)

估计每个人对时间的影响不同。

第一个模型中的(1 | ID)和第二个模型中的(Time | ID)告诉lme4什么是分组变量，在您的情况下为ID 。 在第一个模型中，您会获得ID随机拦截，在第二个模型中，您会获得Time的随机拦截和随机斜率。 对您的第一篇文章的另一种解释是，您还希望对Time进行随机拦截，在这种情况下，您可以执行以下操作：

glmer(Y ~ X + X_mean + (1 | Time) + (1 | ID), family = binomial)

或者，如果波浪很少，则可以通过将“ Time作为预测变量并将该变量作为输入数据的一个因素而到达同一位置。 如果有很多时间点，可能会使输出变得笨拙。

受Stata的xt套件的启发，我一直在开发一个程序包以使其中的一些程序自动化，尽管在此关头我的程序包受到的限制更大。 它称为panelr ，目前必须从GitHub下载。 可在此处获取更多信息： https : //github.com/jacob-long/panelr

在这种情况下，使用panelr ，您的情况将如下所示：

library(panelr)
pdata <- panel_data(data, id = ID, wave = Time)
model <- wbm(Y ~ X, data = pdata, use.wave = TRUE, family = binomial)

panelr所有panelr就是使我上面解释的自动化。 通过使用model = "within"参数，可以删除单个均值变量而不会影响X的对象内效应的估计。

panelr事情需要记录在案， panelr可能离CRAN提交panelr几个星期，在一些panelr情况下，事情出乎意料地中断了，我想更加灵活地处理时间。

Answer 2

也许像在Stata中一样尝试将Time变量强制为一个因子，并将其包含在bife公式中：

panel$Time <– as.factor(panel$Time)

mod.no <- bife(y ~ x + Time | ID, data = panel, bias_corr = "ana")

注意：您可能需要在最后加上bias_corr = "ana"来校正附带参数bias。

另外，在survival包中使用clogit函数也应该起作用：

mod.no <– clogit(y ~ x + strata(Time) + strata(ID), data = panel

strata()选项指示固定效果。