4

Stata 允许通过相应的xtlogit fe 和xtlogit re 命令对逻辑回归进行固定效应和随机效应规范。我想知道 R 中这些规范的等效命令是什么。

我知道的唯一类似的规范是混合效应逻辑回归

mymixedlogit <- glmer(y ~ x1 + x2 +  x3 + (1 | x4), data = d, family = binomial)

但我不确定这是否映射到上述任何命令。

4

1 回答 1

3

glmer命令用于快速拟合具有不同截距和不同斜率的逻辑回归模型(或等效地,具有固定和随机效应的混合模型)。

要在 R 中拟合不同的截距多级逻辑回归模型(即随机效应逻辑回归模型),您可以使用内置的“mtcars”数据集运行以下命令:

data(mtcars)
head(mtcars)
m <- glmer(mtcars$am ~ 1 + mtcars$wt + (1|mtcars$gear), family="binomial")
summary(m)   

# and you can examine the fixed and random effects
fixef(m); ranef(m)

要在 Stata 中拟合变截距斜率模型,您当然可以使用 xtlogit 命令(使用 Stata 中类似但不相同的内置“自动”数据集):

sysuse auto
xtset gear_ratio
xtlogit foreign weight, re

我要补充一点,我发现对“固定”与“随机”效应的整个参考是模棱两可的,我更喜欢参考模型本身的结构(例如,截距是否变化?哪些斜率是变化的,如果有的话?是模型嵌套在 2 个或更多级别?这些级别是否交叉分类?)。对于类似的观点,请参阅 Andrew Gelman关于“固定”与“随机”效应 的想法。

更新:Ben Bolker 在下面的出色评论指出,在 R 中,使用predict命令来使用data=mtcars选项而不是美元符号时会提供更多信息:

data(mtcars)
m1 <- glmer(mtcars$am ~ 1 + mtcars$wt + (1|mtcars$gear), family="binomial")
m2 <- glmer(am ~ 1 + wt + (1|gear), family="binomial", data=mtcars)
p1 <- predict(m1); p2 <- predict(m2)
names(p1) # not that informative...
names(p2) # very informative!
于 2014-04-22T02:37:12.657 回答