แพคเกจ R สำหรับการถดถอยโลจิสติกผลคงที่


14

ฉันกำลังมองหาRแพคเกจสำหรับการประมาณค่าสัมประสิทธิ์ของแบบจำลอง logit ที่มีผลกระทบคงที่ (การสกัดกั้นส่วนบุคคล) โดยใช้ตัวประมาณของ 1980 ของ Chamberlain เป็นที่รู้จักกันบ่อยในฐานะตัวประมาณค่า logit effect ของ Chamberlain

มันเป็นเครื่องมือประมาณค่าแบบคลาสสิกเมื่อจัดการกับข้อมูลพาเนลผลลัพธ์แบบไบนารี (อย่างน้อยก็ในรูปเศรษฐมิติ) แต่ฉันไม่พบสิ่งใดที่เกี่ยวข้องกับมันใน CRAN

เบาะแสใด ๆ


นี่คือความพยายามอีกอย่าง: stats.stackexchange.com/questions/10141/…
อเล็กซ์

ฉันกำลังเผชิญกับสถานการณ์เดียวกันคุณพบโซลูชัน / แพ็คเกจ / รหัสหรือไม่
Mario GS

คำตอบ:


12

การถดถอยโลจิสติกแบบมีเงื่อนไข (ฉันคิดว่านี่คือสิ่งที่คุณอ้างถึงเมื่อพูดถึงตัวประมาณของแชมเบอร์เลน) มีอยู่clogit()ในแพ็คเกจการเอาตัวรอด ฉันยังพบหน้านี้ซึ่งมีรหัส R เพื่อประเมินพารามิเตอร์ logit เงื่อนไข สำรวจแพคเกจนี้ยังรวมถึงจำนวนมากของฟังก์ชั่นเสื้อคลุมสำหรับ GLM และความอยู่รอดรุ่นในกรณีของการสุ่มตัวอย่างที่ซับซ้อน แต่ผมไม่ได้มองไปที่

ลองดูlogit.mixedในแพ็คเกจZeligหรือใช้แพ็คเกจlme4โดยตรงซึ่งมีวิธีการสำหรับรุ่นผสมเอฟเฟกต์พร้อมลิงค์ทวินาม (ดูlmerหรือglmer)

คุณดูที่เศรษฐมิติใน Rจาก Grant V. Farnsworth หรือไม่? ดูเหมือนว่าจะให้ภาพรวมที่อ่อนโยนของเศรษฐมิติประยุกต์ใน R (ซึ่งฉันไม่คุ้นเคย)


1
ที่จริงแล้ว "logit แบบมีเงื่อนไข" เป็นคำที่คลุมเครือมาก มันมีบริบทบางอย่าง (ส่วนใหญ่เมื่อจัดการกับข้อมูลพาเนล) มันเทียบเท่ากับตัวประมาณของแชมเบอร์เลน แต่ก็ไม่ได้ผลมากนัก ส่วนใหญ่แล้วจะหมายถึงตัวแบบตัดขวางที่ตัวแปรผลลัพธ์สามารถรับได้มากกว่า 2 ค่า ข้อเสนอของคุณทั้งหมดอ้างถึงแพ็คเกจที่พิจารณาความเป็นไปได้สุดท้ายนี้ เช่นเดียวกับแบบผสม logit: มันไม่ใช่ logit ผลคงที่ ฉันได้ดูภาพรวมของ Farnsworth แล้ว แต่ไม่ละเอียดพอที่จะพูดเกี่ยวกับตัวประมาณนี้ อย่างไรก็ตามขอขอบคุณสำหรับคำตอบของคุณ!
Kamixave

"Logit แบบมีเงื่อนไข" ไม่ได้หมายถึงการมีผลลัพธ์มากกว่าสองระดับ ฟังก์ชันบางอย่างอาจขยายไปยังสถานการณ์นั้น แต่นั่นไม่ใช่จุด
Aniko

1
ใช่ แต่โมเดล logit แบบมีเงื่อนไขสามารถ (ตามที่ฉันพูด) รับค่ามากกว่า 2 ค่าซึ่งแตกต่างจากแบบจำลองของ Chamberlain อย่างง่ายดายเหมือนกับข้อเท็จจริงที่ว่า Chamberlain ได้รับการออกแบบมาโดยเฉพาะสำหรับข้อมูลพาเนล นี่คือข้อมูลที่เกี่ยวข้อง คำอธิบายที่แม่นยำของ logit แบบมีเงื่อนไขปกติไม่ใช่ (และคำอธิบายของทั้งสองจะใช้เวลามากกว่า 600 ตัวอักษร)
Kamixave

2

คุณสามารถเรียกใช้โมเดล Chamberlains glmerได้ มันเป็นโมเดล RE แต่มีตัวแปรเพิ่มเติม:

glmer(y~X + Z + (1|subject), data, model=binomial("probit"))
  • X คือตัวแปรที่คุณพิจารณาอธิบายโมเดลเอฟเฟกต์คงที่ของคุณ (กรณีง่าย ๆ คือค่าเฉลี่ยของ Z)
  • Z เป็นตัวแปรภายนอกของคุณ
  • Subject คือตัวแปรที่ความต่างกันมาจาก

ฉันหวังว่านี่จะช่วยได้.


2
ฉันคิดว่ามันจะจำกัดความหลากหลายให้เป็น orthogonal เป็น X และ Z ในขณะที่ตัวประมาณที่ร้องขออนุญาต
อเล็กซ์

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.