Stata的xtlogit（fe，re）等價於R？

Stata允許通過相應的xtlogit fe和xtlogit re命令進行邏輯迴歸的固定效應和隨機效應指定。我想知道什麼是這些規範R.等效命令Stata的xtlogit（fe，re）等價於R？

唯一的類似規範我所知道的是混合效應迴歸

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

，但我不知道這是否映射到任何的上述命令。

來源

2014-04-22 Georgia2004

很難知道沒有更多的細節關於等效Stata函數的含義：你能編輯你的問題來提供一個鏈接嗎？ –

我的閱讀Stata文檔的經驗非常痛苦。與其不透明的特性相比，閱讀幫助頁面中的R文檔是件小事。（而且人們會抱怨R幫助頁面。）我認爲指向完整教程的鏈接比鏈接到Stata幫助頁面更有幫助。 –

'melogit'和'xtmelogit'（取代Stata 13中的'meqrlogit'）是二元/二項式響應的混合效果迴歸命令。 –

glmer命令用於快速擬合具有不同截距和變化斜率的邏輯迴歸模型（或等效地，具有固定和隨機效應的混合模型）。

爲了適應中的R的變化的截距多級邏輯迴歸模型（即，隨機效應logistic迴歸模型），可以運行使用內置「mtcars」數據進行以下設置：

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)

爲了適應在Stata變化的截距邊坡模型，你當然使用xtlogit命令（使用相似但不完全相同內置「自動」數據在Stata集）：

sysuse auto 
xtset gear_ratio 
xtlogit foreign weight, re

我補充一點，我發現「固定」與「隨機」效應的整體參考模糊不清，而我更願意參考模型本身的結構（例如，截距是不同的？哪些斜坡是變化的，如果有的話？是嵌套在2級或更多的模型？是交叉分類還是不分？）。對於類似的觀點，請參閱Andrew Gelman的「固定」與「隨機」效應的thoughts。

更新：下面本Bolker的優秀評論指出，當使用predict命令，以使用data=mtcars選項，而不是，比方說，美元符號R中它的更多的信息：

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!

來源

2014-04-22 02:37:12 statsRus

我完全同意「固定」和「隨機」這些含糊不清的詞彙。如果我負責命名它們，我可能會選擇「隨意」的「隨意」或「便利」，並對現在稱爲「固定」的內容使用「焦點」或甚至「隨機」。目前使用變量表示爲「隨機」的做法不是通過隨機過程選擇它們，也不是從代表性樣本中隨機分配任務。 –

一個微小的挑剔：可能更好地說'glmer（am〜1 + wt +（1 | gear），data = mtcars，family ='binomial'）';更易於閱讀和更好地使用下游訪問器，例如'預測' –

Stata的xtlogit（fe，re）等價於R？

回答

相關問題