Мне нравится вычислять логистика c фиксированная регрессия панели эффектов (условная максимальная вероятность) в R и получать прогнозируемые значения и / или средние предельные эффекты.
Я нашел две функции: bife и clo git из пакетов выживания
Тем не менее, функции отличаются по своим результатам, и я хотел бы знать, почему и как это возможно исправить. Функция clo git дает мне те же результаты, что и в Stata (xtlo git, fe), но я не нашел способа получить средние предельные / частичные эффекты (объяснение того, как это сделать, также решило бы мою проблему) , В BIFE, где результаты отличаются от результатов clo git и xtlo git в Stata, есть возможность рассчитать PME (getAPEs).
clo git:
clogit_output <- clogit(binary_variable~ x1 + x2 + x3 + strata(id), data = data)
bife:
bife_output <- bife(binary_variable ~ x1 + x2 + x3 | id, data = data, model = c("logit"))
Мой результат является двоичным (0 или 1), а предикторами являются фиктивные переменные и цифры c. У меня несбалансированная панель с 10.000 респондентов (id) за 12 лет. Я объявил структуру панели следующим образом:
data<- pdata.frame(data, index = c("id", "wave"))
Результат в clo git:
summary(clogit_output)
coef exp(coef) se(coef) z Pr(>|z|)
X1 -0.173637 0.840602 0.103450 -1.678 0.09326
X2 -0.467696 0.626444 0.115345 -4.055 5.02e-05
X3 0.743621 2.103538 0.035638 20.866 < 2e-16
для bife:
summary (bife_output)
Estimate Std. error z value Pr(> |z|)
X1 -0.2135333 0.1140698 -1.872 0.06121
X2 -0.5624223 0.1268271 -4.435 9.23e-06
X3 0.9150707 0.0399252 22.920 < 2e-16
Я зашел так далеко, что Я предполагаю, что при использовании исправления ошибок в bife (bias_corr (bife_output)) я получу те же результаты, что и в STATA или clo git. Тем не менее, в моем случае исправление ошибок выдает ошибку: Ошибка при делении на два шага.