0

目前，我正在研究 CEO 离开公司的可能性（如果离开，二元变量 =“1”）。我的数据是 2013-2015 年期间 50 家公司和 51 个人的不平衡面板数据。

我试图使用该glmmML包运行两个回归模型（固定和随机效应）。但是，我收到以下警告：

pdata <- plm.data(ceodata, index=c("id","year"))
fixed <- glmmboot(left ~ age+tenure+boardappr+ROE, 
   family=binomial(link="logit"), data=pdata, cluster=id)
    Warning messages: 
 1: In model.response(mf, "numeric") : using type = "numeric" with a factor response will be ignored
 2: In glmmbootFit(X, Y, weights, start.coef, cluster, offset, family,  :[glmmboot:] Information non-positive definite. No variance!
 3: In Ops.factor(Y, res$fitted) : ‘/’ not meaningful for factors
 4: In Ops.factor(Y, log(ifelse(Y == 0, 1, Y/res$fitted))) ‘*’ not meaningful for factors
 5: In Ops.factor(1, Y) : ‘-’ not meaningful for factors
 6: In Ops.factor(1, Y) : ‘-’ not meaningful for factors

当我更改变量集时，我会得到相同的警告和毫无意义的回归结果。我想知道是我做错了什么还是我使用的数据有问题？也许，有人可以共享代码来运行固定和随机效应模型以及逻辑回归的 Hausman 检验？

PS我使用的数据如下所示：

这是我使用的数据概述

4

1 回答 1

0

这里最接近的问题是（与glm基础 R 和复制其模式的模型不同）glmmML不允许分类变量作为响应。想必

pdata <- transform(pdata,left=as.numeric(left)-1)

（在这种特殊情况下，as.numeric(as.character(left))将给出相同的结果......）将对此有所帮助：它将第一个因子水平转换为 0，将第二个因子水平转换为 1。

我不太了解：我在这里glmmML给出了一个答案，展示了如何对装有和...的模型实施 Hausman 检验stats::glmlme4::glmer

于 2016-11-20T22:54:37.190 回答