R 具有多个嵌套类别协变量的回归
我有几十万个测量，其中 变量是一个概率，希望使用逻辑回归。 然而，我得到的协变量都是绝对的，更糟糕的是，都是绝对的 嵌套的。我的意思是，如果某个度量有“城市”- “凤凰城”显然，它肯定会有“亚利桑那州”和 “国家——美国。”我有四个这样的因素——最细粒度的有 大约20k级，但如果需要的话，我想我可以不用那个。 我也有一些非嵌套的分类协变量（只有四个左右， 每个级别可能有三个不同的级别）。 我最感兴趣的是什么 预测是一个新的观察在某个城市，我想 了解相关概率/因变量。我不感兴趣 在相关的推理机制-标准偏差中， 等等——至少到目前为止。我希望我能做得起马虎。 然而，我希望能得到这些信息，除非它需要 计算成本更高的方法。 有人对如何攻击这一点有什么建议吗？我已经调查过了R 具有多个嵌套类别协变量的回归,r,regression,R,Regression,我有几十万个测量，其中 变量是一个概率，希望使用逻辑回归。 然而，我得到的协变量都是绝对的，更糟糕的是，都是绝对的 嵌套的。我的意思是，如果某个度量有“城市”- “凤凰城”显然，它肯定会有“亚利桑那州”和 “国家——美国。”我有四个这样的因素——最细粒度的有 大约20k级，但如果需要的话，我想我可以不用那个。 我也有一些非嵌套的分类协变量（只有四个左右， 每个级别可能有三个不同的级别）。 我最感兴趣的是什么 预测是一个新的观察在某个城市，我想 了解相关概率/因变量。我不感兴趣 在相关的推理机制-
混合效果，但我不确定它是否是我想要的。我认为这更多的是模型设计问题，而不是具体的R；因此，我想先讨论问题的背景，然后再讨论适当的R包 如果因变量是概率，例如，$y\ in[0,1]$，则逻辑回归不适用于数据——特别是考虑到您对预测样本外的概率感兴趣。逻辑将对自变量对因变量从零变为一的概率的贡献进行建模，因为变量是连续的且被截断，所以需要不同的规范
我认为你关于混合效应的后一种直觉是好的。由于您的观察结果是嵌套的，即，
USmultivelynlmeglmnet