Eine neue Frage: weiß jemand, wie man eine logistische Regression mit gruppierten Standardfehlern in R durchführt? In Stata ist es nur logit Y X1 X2 X3, vce(cluster Z)
, aber leider habe ich nicht herausgefunden, wie man die gleiche Analyse in R macht. Vielen Dank im Voraus!Logistische Regression mit robusten gruppierten Standardfehlern in R
Antwort
Sie könnten sich das Paket rms
(Regressionsmodellierungsstrategien) ansehen. So ist lrm
logistische Regressionsmodell, und wenn fit
der Name Ihrer Ausgabe ist, würden Sie so etwas wie dieses:
fit=lrm(disease ~ age + study + rcs(bmi,3), x=T, y=T, data=dataf)
fit
robcov(fit, cluster=dataf$id)
bootcov(fit,cluster=dataf$id)
Sie haben x=T
, y=T
in der Modellrechnung zu spezifizieren. rcs
zeigt eingeschränkte kubische Splines mit 3 Knoten an.
Vielen Dank! Es hat Wunder gewirkt! Ich werde das Handbuch von rms genauer lesen und sehen, ob es eine Möglichkeit gibt, die Koeffizienten nach Ländern und nach Jahren zusammenzufassen. Nochmals vielen Dank! – danilofreire
Diese Antwort ist bereits sehr gut, aber sie könnte verbessert werden, wenn sie vollständig replizierbar ist. Ich habe keine Ahnung, wo die Variablen herkommen, was die Ausgabe ist und warum 'rcs (bmi, 3)' notwendig ist. – MERose
Ich habe in den letzten zwei Tagen meinen Kopf gegen dieses Problem geschlagen; Ich habe auf magische Weise ein scheinbar neues Paket gefunden, das für große Dinge bestimmt scheint - zum Beispiel leite ich in meiner Analyse auch einige cluster-robuste Tobit-Modelle ein, und dieses Paket hat diese Funktionalität ebenfalls eingebaut. Ganz zu schweigen von der Syntax ist viel sauberer als in all den anderen Lösungen, die ich gesehen habe (wir sprechen in der Nähe von Stata Ebenen sauber).
Also für Ihr Spielzeug Beispiel, würde ich laufen:
library(Zelig)
logit<-zelig(Y~X1+X2+X3,data=data,model="logit",robust=T,cluster="Z")
Et voilà!
Wow, das scheint so zu funktionieren, dass mein R-Code nie scheint. Ist diese neue Funktionalität? Wenn nicht, warum ist Zelig nicht der kanonische Weg, um dies in R zu lösen? – Philip
Weiß nicht, aber ich hoffe es wird so. [Das Projekt] (http://zeligproject.org) scheint sicherlich ehrgeizig! Die [Google Gruppe] (https://groups.google.com/forum/m/#!forum/zelig-statistical-software) scheint jedoch nicht so aktiv zu sein, also nicht sicher, wie schnell der Fortschritt ist. – MichaelChirico
Leider funktioniert der Befehl in der neuesten Version von 'Zelig' (auf CRAN) nicht. Ich habe gerade ein paar Modelle mit und ohne das 'cluster' Argument ausgeführt und die Standardfehler sind genau gleich. Ich glaube, seit Version 4.0 war es das letzte Mal, dass ich das Paket benutzt habe. – danilofreire
- 1. Generische logistische Regression in R
- 2. Modellanalyse IN R (Logistische Regression)
- 3. Konfidenzintervalle mit gruppierten Standardfehlern und Texreg?
- 4. Klassifizierungstabelle für logistische Regression in R
- 5. Logistische Regression mit SciPy
- 6. Logistische Regression in Python
- 7. R Verwendung für Multi-Class-logistische Regression
- 8. vorhergesagte Wahrscheinlichkeit logistische Regression in R mit gleich 1
- 9. Programmierung Logistische Regression mit stochastischem Gradientenabfall in R
- 10. logistische Regression fehlende Werte
- 11. xgboost binäre logistische Regression
- 12. Mit Ranglisten-Daten in Logistische Regression
- 13. Vowpal Wabbit Logistische Regression
- 14. SPSS logistische Regression
- 15. Logistische Regression mit Funken ml (Datenrahmen)
- 16. Logistische Regression in Theano mit Climin implementieren
- 17. Logistische Regression mit kategorischen Prädiktoren mit JAGS
- 18. Feineinstellung der Parameter in Logistische Regression
- 19. sklearn logistische Regression - wichtige Funktionen
- 20. sklearn logistische Regression mit unausgeglichenen Klassen
- 21. Replizieren von Stata Probit mit robusten Fehlern in R
- 22. Model Fit-Statistik für eine logistische Regression
- 23. Plot logistische Regressionskurve in R
- 24. Vorhersage- und Konfidenzintervalle für die logistische Regression
- 25. ist logistische Regression Large Margin Classifier?
- 26. Klassifizierung: PCA und logistische Regression sklearn
- 27. Scikit Learn: Logistische Regression Modellkoeffizienten: Erläuterung
- 28. Fractional Response Regression in R
- 29. Training logistische Regression mit Scikit lernen für Multi-Class-Klassifizierung
- 30. Kontrolle der Schwelle in Logistische Regression in Scikit Learn
Die 'vcovHC()' Funktion im 'sandwich' Paket könnte auch nützlich sein (nicht sicher, ob sie für logistische Regressionsschätzungen gilt) –
Wenn Sie von Stata migrieren, finden Sie möglicherweise das Paket' 'plm'' sinnvoll. Außerdem gibt es das Paket '' pcse'' zum Implementieren von panelkorrigierten Standardfehlern durch Manipulieren der Varianzkovarianzmatrix nach der Schätzung –
Vielen Dank für Ihre Antworten, Ben und Hubert. Ich werde auch die von Ihnen vorgeschlagenen Pakete testen und prüfen, ob sie mit logistischen Schätzungen arbeiten. Danke noch einmal! – danilofreire