Momentan forsche ich nach der Wahrscheinlichkeit, dass ein CEO das Unternehmen verlässt (binäre Variable = "1", wenn sie links ist). Meine Daten sind unausgewogene Panel-Daten für 50 Unternehmen mit 51 Personen für den Zeitraum 2013-2015.Wie Analysieren Panel-Daten in R mit logistischen Regression (GlmmML)?
Ich habe versucht, zwei Regressionsmodelle (feste und zufällige Effekte) mit dem glmmML
-Paket auszuführen. Ich erhalte jedoch die folgende Warnung:
pdata <- plm.data(ceodata, index=c("id","year"))
fixed <- glmmboot(left ~ age+tenure+boardappr+ROE,
family=binomial(link="logit"), data=pdata, cluster=id)
Warning messages:
1: In model.response(mf, "numeric") : using type = "numeric" with a factor response will be ignored
2: In glmmbootFit(X, Y, weights, start.coef, cluster, offset, family, :[glmmboot:] Information non-positive definite. No variance!
3: In Ops.factor(Y, res$fitted) : ‘/’ not meaningful for factors
4: In Ops.factor(Y, log(ifelse(Y == 0, 1, Y/res$fitted))) ‘*’ not meaningful for factors
5: In Ops.factor(1, Y) : ‘-’ not meaningful for factors
6: In Ops.factor(1, Y) : ‘-’ not meaningful for factors
Wenn ich den Satz der Variablen ändere, bekomme ich die gleichen warnenden und bedeutungslosen Regressionsergebnisse. Ich habe mich gefragt, ob ich etwas falsch mache oder ein Problem mit den Daten besteht, die ich verwende. Vielleicht kann jemand den Code teilen, um feste und zufällige Effektmodelle sowie Hausman-Test für logistische Regression zu laufen?
P.S. Die Daten, die ich wie folgt aussehen verwenden: