计算面板数据和线性概率的 ROC Model

Question

我有来自 102 个国家/地区的外部资产的面板数据，时间超过 20-40 年，具体取决于国家/地区。 我尝试根据 log(total_liabilities) 预测金融危机的概率，看看外国投资和其他资本头寸的增加是否有助于预测危机。

plm1 <- plm(crisis ~ log_total_liabilities + lag1_log_tot_lia + lag2_log_tot_lia + lag3_log_tot_lia
                        + factor(year) + factor(country), data = dt2, index=c("year", "country"), model="pooling")
summary(plm1)

我开始估计 plm model，回归我的危机虚拟人。 为了估计预测能力，我想生成一个 ROC 和 AUC 值，给定回归

# Plot of True Positive Rate Against the False Positive Rate
pred1 <- predict(plm1)
pred2 <- prediction(pred1,as.numeric(plm1$crisis))
plot(performance(pred2,"tpr","fpr"), las=0, main="plm1")

我收到如下错误：

错误：不适合 arguments / 变量”（翻译自德语）或“所有参数/变量需要具有相同的长度”（翻译自德语）。

另一种获取 Roc 值的方法将从 When changing pred1 <- predict(plm1, dt2) （dt2 是我的数据框，还包含一些我没有在 plm1 回归中使用过的变量）开始，错误不同：预测的格式是无效的。 它不能被强制列入清单。

PLM 是否根本不是为 ROC 计算而设计的？ 如果是这样，为什么所附的论文会给出具有固定效应的线性概率 model 的 AUROC 值？ （见倒数第二行）如果不是，我做错了什么？

我附上了论文的截图和我的数据集。

CSV 带数据卫星的文件

带有OLS AUROC值的论文截图

Answer 1

AUC-ROC 仅适用于二元分类问题。 当您使用固定效应回归时，在 plm1 之后产生的预测值 pred1 是连续的。