Как интерпретировать сигма-коэффициент в оценке пробита панели - PullRequest
Новая
       37

Как интерпретировать сигма-коэффициент в оценке пробита панели

0 голосов
/ 26 сентября 2019

Я изо всех сил пытаюсь интерпретировать сигму в регрессии пробита на панели случайных эффектов, и почему этот термин сильно значим.

Я использовал следующий вызов подгонки: 

 Model<-pglm(Variable_to_explain ~ v1 + v2 + v3 + v2*v3,
                model=("random"), 
                effect=("twoways"), 
                index=c("indiv", "period"), 
                family=binomial(link="probit"), data=data)

Вот результат R из оценки.Я не понимаю, что означает эффект сигмы.

 Maximum Likelihood estimation
 Newton-Raphson maximisation, 5 iterations
 Return code 1: gradient close to zero
 Log-Likelihood: -522.9742 
 6  free parameters
 Estimates:
              Estimate Std. error t value  Pr(> t)    
 (Intercept)    0.1454     0.2450   0.594  0.55277    
 v1            -0.0724     0.1416  -0.511  0.60926    
 v2             0.5367     0.1814   2.959  0.00308 ** 
 v3             0.2689     0.1728   1.556  0.11969    
 v2:v3         -0.4523     0.2393  -1.890  0.05871 .  
 sigma          0.4891     0.1048   4.667 3.06e-06 ***
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 --------------------------------------------

Буду очень признателен за любую помощь.

...