У меня есть много непрерывных независимых переменных и зависимая фиктивная переменная в моем наборе данных об отдельных лицах в определенные годы.Я хочу выполнить выбор объектов, используя Лассо из Логистических Случайных Эффектов / Фиксированные Эффекты из Логистики.Однако настройки по умолчанию glmnet для моей процедуры оценки состоят в том, что я использую данные поперечного сечения, в то время как я хочу, чтобы R видел мои данные как данные панели, и таким образом он моделирует логистическое лассо, в то время как я хочу случайные эффекты логистики.Лассо / Логистические эффекты с фиксированными эффектами Модель Лассо.
Поэтому в приведенном ниже примере кода я хочу сообщить R, что я использую набор данных панели и что ID - мои индивидуумы / сеченияединицы и year - это годы, за которые у меня есть наблюдения для каждого ID.В приведенном ниже коде все люди объединены, и я даже получаю коэффициенты для ID (и year) в этой оценке Logistic Lasso.Как я могу оценить модель Лассо для Логистических Случайных Эффектов / Логистических Фиксированных Эффектов в R?
df=cbind(c(1,546,2,56,6,73,4234,436,647,567,87,2,5,76,5,456,6756,6,132,78,32),c(2,3546,26,568,76,873,234,36,67,57,887,29,50,736,51,56,676,62,32,782,322),10:30)
year=rep(1:3, times=7)
ID=rep(1:7, each=3)
x=as.matrix(cbind(ID,year,df))
y1=as.data.frame(rep(c(0,1), each = 18))[1:21,]
y=as.matrix(y1)
fit=glmnet(x,y,alpha=1,family="binomial")
lambdamin=min(fit$lambda)
predict.glmnet(fit,s=lambdamin,newx=x,type="coefficients")
1
(Intercept) -8.309211e+01
ID 1.281220e+01
year .
-2.339904e-04
.
.