I would like to get the R-squared within for a fixed effect regression with multiple fixed effects (let's say Country, Year, Trimester). The least squared dummy variable (LSDV) model (lm in R/ reg in Stata) would only provide the overall R-squared. The same is true if one uses areg (Stata). Code/packages suggestions for R or Stata are both welcome.

我正在优化使用 . 制作的逻辑回归模型glm，优化是使用glmnet. 我想使用 Hosmer Lemeshow 测试的输出来比较这两个模型，我得到了这个输出。对于glm我得到

当我尝试运行套索回归测试时，我得到

我还尝试使用套索回归的系数使其成为数字，我得到

但是当我把它当作 S4

有什么方法可以对我的套索回归进行测试吗？这是我的套索回归的完整代码，现在无法共享数据库对不起

我有一个每分钟有汽车到达的数据集。

我绘制了一个直方图并使用以下 R 代码拟合泊松分布。

上面的代码成功运行，我得到了直方图上的拟合线。

但是当我想使用该goodfit()函数来了解 p 值是如何时，我得到了以下错误；

"优化错误(chi2, range(count)) : 'xmin' 不小于 'xmax'”</p>

我该如何解决这个问题？还有其他功能可以使用吗？

我正在使用 R 中的 bife 包研究我的固定效应 logit 模型。

但问题是我需要调整后的 r 平方，目前我只能使用包结果计算正常的 r 平方。

这个包有什么功能可以做到这一点吗？

我有一个与我的 df 结构相关的技术问题。它看起来像这样：

而且我正在寻找一种方法来对两个变量（例如地区和求职者）之间的独立性进行卡方检验，这样我就可以判断北部地区与求职者的关系是否比南部地区更多。据我所知，数据结构有问题（地区是一个字符，求职者是一个整数，表示我有多少基于地区、性别、职业等的求职者）我试图将其子集到地区和求职者喜欢这：

但这使处理变得更加困难，我当然会接受任何其他可行的测试。

如果您需要更多信息，请帮助并告诉我，

摩西

更新

方差分析测试

阴谋

如果我根据泊松假设测试 x，那么我使用 mean(x) 作为 lambda 来计算 p 所以 df = k - 2; 如果反对正态假设，那么我使用 mean(x) 和 var(x) 来计算 p 所以 df = k - 3。R 如何在不知道估计得到 p 的参数丢失的 df 的情况下返回 chisq 值？

我将原始观测值分组为基于 bin 的频率向量 (x)，并使用原始数据将零假设概率分配给基于 bin 的向量 (p)，以估计未知的零假设分布参数。然后调用 chisq.test(x, p=p, rescale.p=TRUE) 根据一些分布假设来测试 x。这是做这样一个测试的正确方法吗？

当在 Stata 中使用具有内生处理效果的调查数据和回归时，诊断和后估计部分的数量将停止使用。

当我有这个模型时，与线性模型相关的简单假设如下：检查线性或独立性假设以及同方差性、正态性或拟合优度诊断不给出输出。

残差与预测值图可能是 a rvfplot，但这会产生错误：

没有找到最后的估计

尝试estat gof给出

无效的子命令 gof

和同样的estat hettest

不讨论我们通常在 Stata 中使用回归或对数线性模型看到的模型假设检验或拟合优度检验。

当我尝试predict residual或predict rstudent没有报告时，再次无法进行绘图。

我可以通过其他人给出的参考提供可重现的问题示例：

在这里，etregress 也与对数转换的因变量和处理组件一起使用。按照上面提到的这个模型，我们如何检查假设和拟合优度？

我正在尝试确定今天的数据是否真的与昨天的四个类别不同。

我统计的数据是：

所以我以这种方式使用 stats 包中的卡方进行测试：

结果是：

我的问题是我认为这应该与以下内容相同：

但是你可以看到结果完全不同。

所以......这是使用此测试比较来自同一数据集的两个样本的正确方法？

在不同月份测试来自同一事实的两个样本之间的拟合优度。我想知道 9 月的 4 个类别的结果是否与 10 月相似/不同。

问题是我的测试在使用列联表与将上个月作为预期比例的预期比例时给了我不同的结论。

样本数据：

使用列联表测试通常的方法：

从 9 月开始计算比例并将其设置为预期概率：

为什么在测试中有这样的差异？哪一个是错的？我认为这两种策略会导致相同的结果，但似乎是一个错误。

我使用 censReg 包和 censReg 函数估计了一个 Tobit 模型。或者，使用 AER 包中的 tobit 函数估计相同的 Tobit 模型。

现在，我真的很喜欢有一些拟合优度统计，比如 Pseudo-R2。但是，每当我尝试对此进行估计时，输出都会返回为 NA。例如：

到目前为止，我只看到人们使用 Stata 时报告的 Pseudo-R2。有谁知道如何在 R 中估计它？

或者，Tobit 估计 (log)Sigma，它基本上是残差的标准差。我可以用它来计算 R2 吗？

非常感谢所有帮助。