R：如何使用权重估计固定效应模型

我想使用OLS和加权数据运行一个固定效应模型

由于可能存在一些混淆，我的意思是，我在这里使用了经济学家通常暗示的“固定效应”，即“模型内效应”，或者换句话说，个体特定效应。我实际拥有的是“多层次”数据，即个体的观察结果，我想控制它们的起源区域（并有相应的聚集标准误差）

样本数据：

library(multilevel)
data(bhr2000)
weight <- runif(length(bhr2000$GRP),min=1,max=10)
bhr2000 <- data.frame(bhr2000,weight)
head(bhr2000)
  GRP AF06 AF07 AP12 AP17 AP33 AP34 AS14 AS15 AS16 AS17 AS28 HRS RELIG   weight
1   1    2    2    2    4    3    3    3    3    5    5    3  12     2 6.647987
2   1    3    3    3    1    4    3    3    4    3    3    3  11     1 6.851675
3   1    4    4    4    4    3    4    4    4    2    3    4  12     3 8.202567
4   1    3    4    4    4    3    3    3    3    3    3    4   9     3 1.872407
5   1    3    4    4    4    4    4    3    4    2    4    4   9     3 4.526455
6   1    3    3    3    3    4    4    3    3    3    3    4   8     1 8.236978

其中我指的是特定的个人，j指的是他们所属的群体

此外，我希望通过

权重

（采样权重）对观察值进行加权

然而，我希望得到“聚集标准误差”，以反映可能的GRP特定异方差性。换句话说，

E（E_ij）=0

但是

Var（E_ij）=sigma_j^2

其中，每个

GRP

j的sigma_j可以不同

如果我理解正确，

nlme

和

lme4

只能估计随机效应模型（或所谓的混合模型），而不能估计内部意义上的固定效应模型

---

我尝试了包

plm

，它看起来非常适合我想要做的事情，但它不允许重量。还有其他想法吗？

看看lfe软件包——它有econ风格的固定效果，您可以指定集群

查看lfe包——它有econ风格的固定效果，您可以指定集群

查看lfe包——它有econ风格的固定效果，您可以指定集群

查看lfe包——它有econ风格的固定效果，您可以指定集群

我认为这更像是一个堆栈交换问题，但除了模型权重的固定效应之外；您不应该对有序分类响应变量使用OLS。这是一种有序逻辑建模分析类型。因此，下面我使用您提供的数据来拟合其中一个

我们有一个有序的分类反应“AF06”和两个预测因子。第一个“AP34”也是一个有序的分类变量；第二个“GRP”是你的固定效果。因此，一般来说，你可以通过将相关变量强制为RHS上的一个因子来创建一个群体固定效应…（我真的试图远离统计理论，因为这不是它的地方。所以我可能在我说的一些事情上不准确）

下面的代码使用polr（比例优势逻辑回归）函数拟合有序逻辑模型。我试着从模型规范的角度来解释你的想法，但最终OLS并不是正确的前进方向。对coefplot的调用将有一个非常拥挤的y轴，我只是想介绍一个非常初步的开始，你可以如何解释这个。我会尝试以一种更精细的方式来想象这一点。回到解释…你需要在这方面下功夫，但我认为这通常是正确的方法。我能想到的最好的资源是Gelman和Hill的“使用回归和多层次/层次模型的数据分析”的第5章和第6章。这是一个很好的资源，所以我真的建议你阅读全文，如果你对这种类型的分析感兴趣的话，试着掌握它

    library(multilevel) # To get the data
    library(MASS) # To get the polr modeling function
    library(arm) # To get the tools, insight and expertise of Andrew Gelman and his team

    # The data
    weight <- runif(length(bhr2000$GRP),min=1,max=10)
    bhr2000 <- data.frame(bhr2000,weight)
    head(bhr2000)

    # The model
    m <- polr(factor(AF06) ~ AP34 + factor(GRP),weights = weight, data = bhr2000, Hess=TRUE,  method = "logistic")
    summary(m)
    coefplot(m,cex.var=.6) # from the arm package

图书馆（多级）#获取数据
库（MASS）#获取polr建模函数
图书馆（arm）#获取Andrew Gelman及其团队的工具、见解和专业知识
#数据
权重我认为这更像是一个堆栈交换问题，但除了模型权重的固定效应之外；您不应该对有序分类响应变量使用OLS。这是一种有序逻辑建模分析类型。因此，下面我使用您提供的数据来拟合其中一个

我们有一个有序的分类反应“AF06”和两个预测因子。第一个“AP34”也是一个有序的分类变量；第二个“GRP”是你的固定效果。因此，一般来说，你可以通过将相关变量强制为RHS上的一个因子来创建一个群体固定效应…（我真的试图远离统计理论，因为这不是它的地方。所以我可能在我说的一些事情上不准确）

下面的代码使用polr（比例优势逻辑回归）函数拟合有序逻辑模型。我试着从模型规范的角度来解释你的想法，但最终OLS并不是正确的前进方向。对coefplot的调用将有一个非常拥挤的y轴，我只是想介绍一个非常初步的开始，你可以如何解释这个。我会尝试以一种更精细的方式来想象这一点。回到解释…你需要在这方面下功夫，但我认为这通常是正确的方法。我能想到的最好的资源是Gelman和Hill的“使用回归和多层次/层次模型的数据分析”的第5章和第6章。这是一个很好的资源，所以我真的建议你阅读全文，如果你对这种类型的分析感兴趣的话，试着掌握它


    library(multilevel) # To get the data
    library(MASS) # To get the polr modeling function
    library(arm) # To get the tools, insight and expertise of Andrew Gelman and his team

    # The data
    weight <- runif(length(bhr2000$GRP),min=1,max=10)
    bhr2000 <- data.frame(bhr2000,weight)
    head(bhr2000)

    # The model
    m <- polr(factor(AF06) ~ AP34 + factor(GRP),weights = weight, data = bhr2000, Hess=TRUE,  method = "logistic")
    summary(m)
    coefplot(m,cex.var=.6) # from the arm package


图书馆（多级）#获取数据
库（MASS）#获取polr建模函数
图书馆（arm）#获取Andrew Gelman及其团队的工具、见解和专业知识
#数据
权重我认为这更像是一个堆栈交换问题，但除了模型权重的固定效应之外；您不应该对有序分类响应变量使用OLS。这是一种有序逻辑建模分析类型。因此，下面我使用您提供的数据来拟合其中一个

我们有一个有序的分类反应“AF06”和两个预测因子。第一个“AP34”也是一个有序的分类变量；第二个“GRP”是你的固定效果。因此，通常可以通过将相关变量强制为R上的一个因子来创建组固定效应