使用固定效应logistic回归的bife-in-R获得截距
我试图使用R中的使用固定效应logistic回归的bife-in-R获得截距,r,logistic-regression,R,Logistic Regression,我试图使用R中的bife包来估计具有固定效应的逻辑回归模型。我使用这个链接来建立模型。在bife命令中使用时,我的模型如下所示: logit.bife <- bife(Y ~ X1+X2+X3+X4+...+X13 | ID) logit.bife没有单一截获。正如?bife中所述 “固定效应”一词是在计量经济学家的意义上使用的 每个个体的时间常数。中的所有其他参数 模型被称为结构参数 及 由于以下原因,线性预测值不得包括任何常数回归 具有固定效应的完美共线 因此,本质上我们对每个ID都
bife
包来估计具有固定效应的逻辑回归模型。我使用这个链接来建立模型。在bife
命令中使用时,我的模型如下所示:
logit.bife <- bife(Y ~ X1+X2+X3+X4+...+X13 | ID)
logit.bife没有单一截获。正如?bife
中所述
“固定效应”一词是在计量经济学家的意义上使用的
每个个体的时间常数。中的所有其他参数
模型被称为结构参数
及
由于以下原因,线性预测值不得包括任何常数回归
具有固定效应的完美共线
因此,本质上我们对每个ID都有一个单独的截距,这就是bife的整个点。如果您定义了一个常数回归器并手动将其添加到模型中,那么它将由于完美的多重共线性而崩溃:无法区分截距的贡献和所有固定效应的总和
但是,请注意,除了平均固定效果外,您还具有单独的效果,这应该比单个图形更有趣:
logit.bife$par$alpha # Uncorrected
logit.bife$par_corr$alpha # Corrected
实际上,bife
在这个意义上没有什么特别之处,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级别并包含截距)。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。@Rnovice,这是否回答了您的问题?谢谢您的详细回答。我并不是特别关注我的模型中的每个固定效应。我正在控制这些影响。我接受你的回答。