![](/img/trans.png)
[英]Is there an R-package to calculate pseudo R-squared measures for conditional (fixed effects) logistic models using clogit or bife?
[英]Obtain intercept using bife in R for fixed effects logistic regression
我正在尝试使用 R 中的bife
包来估计具有固定效应的逻辑回归模型。我使用此链接 - bife vigette - 来设置模型。 在bife
命令中使用时,我的模型如下bife
:
logit.bife <- bife(Y ~ X1+X2+X3+X4+...+X13 | ID)
使用bife时,如何获取截距值? 它是否包含在我们在输出中得到的平均固定效应中? 可以使用logit.bife$par_corr$avg_alpha
获得平均固定效应。 我有大约 1266 个 ID 值,并且使用logit.bife$par_corr$avg_alpha
获得了 1256 个固定效应估计值。 但是,我不知道如何获得拦截值。 插图表明bife
estimator 几乎与glm
相同。 通常当我们使用glm
我们会在模型输出中得到一个截距。
谁能建议如何在使用bife
获得拦截?
没有单一的拦截。 正如它在?bife
,
术语固定效应在计量经济学家的意义上使用,即每个人都有一个时间常数假人。 模型中的所有其他参数都称为结构参数。
和
由于与固定效应的完美共线性,线性预测变量不得包含任何常数回归变量。
所以,本质上我们对每个 ID 都有一个单独的拦截,这是bife
的全部意义。 如果您定义了一个常数回归量并手动将其添加到模型中,那么它会由于完美的多重共线性而崩溃:人们无法区分截距的贡献和所有固定效应的总和。
但是,请注意,除了平均固定效应之外,您还有单独的效应,它们应该只比单个数字更有趣:
logit.bife$par$alpha # Uncorrected
logit.bife$par_corr$alpha # Corrected
事实上,从这个意义上说bife
并没有什么特别之处,如果为每个ID 包含一个虚拟变量, glm
也会发生同样的情况(仅包含ID
变量可能会降低一个因子水平并包含截距)。 最终你应该思考你的目标是什么; 也许这些固定效应的平均值或中位数确实是您所需要的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.