r - plm 或 lme4 用于面板数据的随机和固定效应模型-6ren

r - plm 或 lme4 用于面板数据的随机和固定效应模型

转载作者：行者123 更新时间：2023-12-02 11:16:14

我可以使用lme4在面板数据上指定随机和固定效应模型吗？？

我正在重做 r 中 Wooldridge(2013 年，第 494-5 页)的示例 14.4 。感谢this site和 this blog post我已经成功地在plm中做到了这一点包，但我很好奇我是否可以在 lme4 中做同样的事情包？

这是我在plm中所做的事情包裹。如果有任何关于我如何使用 lme4 做同样的事情的指示，我将不胜感激。。首先，需要的包和数据的加载，

# install.packages(c("wooldridge", "plm", "stargazer"), dependencies = TRUE)
library(wooldridge) 
data(wagepan)

其次，我使用 plm 来估计示例 14.4 (Wooldridge 2013) 中估计的三个模型。包，

library(plm) 
Pooled.ols <- plm(lwage ~ educ + black + hisp + exper+I(exper^2)+ married + union +
                  factor(year), data = wagepan, index=c("nr","year") , model="pooling")

random.effects <- plm(lwage ~ educ + black + hisp + exper + I(exper^2) + married + union +
                      factor(year), data = wagepan, index = c("nr","year") , model = "random") 

fixed.effects <- plm(lwage ~ I(exper^2) + married + union + factor(year), 
                     data = wagepan, index = c("nr","year"), model="within")

第三，我使用 stargazer 输出结果模拟 Wooldridge (2013) 中的表 14.2，

stargazer::stargazer(Pooled.ols,random.effects,fixed.effects, type="text",
           column.labels=c("OLS (pooled)","Random Effects","Fixed Effects"), 
          dep.var.labels = c("log(wage)"), keep.stat=c("n"),
          keep=c("edu","bla","his","exp","marr","union"), align = TRUE, digits = 4)
#> ======================================================
#>                         Dependent variable:           
#>              -----------------------------------------
#>                              log(wage)                
#>              OLS (pooled) Random Effects Fixed Effects
#>                  (1)           (2)            (3)     
#> ------------------------------------------------------
#> educ          0.0913***     0.0919***                 
#>                (0.0052)      (0.0107)                 
#>                                                       
#> black         -0.1392***    -0.1394***                
#>                (0.0236)      (0.0477)                 
#>                                                       
#> hisp            0.0160        0.0217                  
#>                (0.0208)      (0.0426)                 
#>                                                       
#> exper         0.0672***     0.1058***                 
#>                (0.0137)      (0.0154)                 
#>                                                       
#> I(exper2)     -0.0024***    -0.0047***    -0.0052***  
#>                (0.0008)      (0.0007)      (0.0007)   
#>                                                       
#> married       0.1083***     0.0640***      0.0467**   
#>                (0.0157)      (0.0168)      (0.0183)   
#>                                                       
#> union         0.1825***     0.1061***      0.0800***  
#>                (0.0172)      (0.0179)      (0.0193)   
#>                                                       
#> ------------------------------------------------------
#> Observations    4,360         4,360          4,360    
#> ======================================================
#> Note:                      *p<0.1; **p<0.05; ***p<0.01

lme4 中是否有同样简单的方法来做到这一点？？我应该坚持plm ？为什么/为什么不？

最佳答案

除了估计方法的不同之外，似乎确实主要是一个问题词汇和语法

# install.packages(c("wooldridge", "plm", "stargazer", "lme4"), dependencies = TRUE)
library(wooldridge) 
library(plm) 
#> Le chargement a nécessité le package : Formula
library(lme4)
#> Le chargement a nécessité le package : Matrix
data(wagepan)

您的第一个示例是一个简单的线性模型，忽略组nr。
您无法使用 lme4 做到这一点，因为不存在“随机效应”(在 lme4 意义上)。
这就是 Gelman & Hill 所说的完整池化方法。

Pooled.ols <- plm(lwage ~ educ + black + hisp + exper+I(exper^2)+ married + 
                      union + factor(year), data = wagepan, 
                  index=c("nr","year"), model="pooling")

Pooled.ols.lm <- lm(lwage ~ educ + black + hisp + exper+I(exper^2)+ married + union +
                      factor(year), data = wagepan)

你的第二个例子似乎相当于带有nr的随机拦截混合模型作为随机效应(但所有预测变量的斜率都是固定的)。
这就是 Gelman & Hill 所说的部分池化方法。

random.effects <- plm(lwage ~ educ + black + hisp + exper + I(exper^2) + married + 
                          union + factor(year), data = wagepan, 
                      index = c("nr","year") , model = "random") 

random.effects.lme4 <- lmer(lwage ~ educ + black + hisp + exper + I(exper^2) + married + 
                                union + factor(year) + (1|nr), data = wagepan)

您的第三个示例似乎对应于 nr 是固定效果的情况，并且您为每个组计算不同的 nr 截距。
再次强调:您不能使用 lme4 做到这一点，因为不存在“随机效应”(在 lme4 意义上)。
这就是 Gelman & Hill 所说的“无池化”方法。

fixed.effects <- plm(lwage ~ I(exper^2) + married + union + factor(year), 
                     data = wagepan, index = c("nr","year"), model="within")

wagepan$nr <- factor(wagepan$nr)
fixed.effects.lm <- lm(lwage ~  I(exper^2) + married + union + factor(year) + nr, 
                     data = wagepan)

比较结果:

stargazer::stargazer(Pooled.ols, Pooled.ols.lm, 
                     random.effects, random.effects.lme4 , 
                     fixed.effects, fixed.effects.lm,
                     type="text",
                     column.labels=c("OLS (pooled)", "lm no pool.",
                                     "Random Effects", "lme4 partial pool.", 
                                     "Fixed Effects", "lm compl. pool."), 
                     dep.var.labels = c("log(wage)"), 
                     keep.stat=c("n"),
                     keep=c("edu","bla","his","exp","marr","union"), 
                     align = TRUE, digits = 4)
#> 
#> =====================================================================================================
#>                                                Dependent variable:                                   
#>              ----------------------------------------------------------------------------------------
#>                                                     log(wage)                                        
#>                 panel         OLS         panel            linear           panel           OLS      
#>                 linear                    linear       mixed-effects       linear                    
#>              OLS (pooled) lm no pool. Random Effects lme4 partial pool. Fixed Effects lm compl. pool.
#>                  (1)          (2)          (3)              (4)              (5)            (6)      
#> -----------------------------------------------------------------------------------------------------
#> educ          0.0913***    0.0913***    0.0919***        0.0919***                                   
#>                (0.0052)    (0.0052)      (0.0107)         (0.0108)                                   
#>                                                                                                      
#> black         -0.1392***  -0.1392***    -0.1394***       -0.1394***                                  
#>                (0.0236)    (0.0236)      (0.0477)         (0.0485)                                   
#>                                                                                                      
#> hisp            0.0160      0.0160        0.0217           0.0218                                    
#>                (0.0208)    (0.0208)      (0.0426)         (0.0433)                                   
#>                                                                                                      
#> exper         0.0672***    0.0672***    0.1058***        0.1060***                                   
#>                (0.0137)    (0.0137)      (0.0154)         (0.0155)                                   
#>                                                                                                      
#> I(exper2)     -0.0024***  -0.0024***    -0.0047***       -0.0047***      -0.0052***     -0.0052***   
#>                (0.0008)    (0.0008)      (0.0007)         (0.0007)        (0.0007)       (0.0007)    
#>                                                                                                      
#> married       0.1083***    0.1083***    0.0640***        0.0635***        0.0467**       0.0467**    
#>                (0.0157)    (0.0157)      (0.0168)         (0.0168)        (0.0183)       (0.0183)    
#>                                                                                                      
#> union         0.1825***    0.1825***    0.1061***        0.1053***        0.0800***      0.0800***   
#>                (0.0172)    (0.0172)      (0.0179)         (0.0179)        (0.0193)       (0.0193)    
#>                                                                                                      
#> -----------------------------------------------------------------------------------------------------
#> Observations    4,360        4,360        4,360            4,360            4,360          4,360     
#> =====================================================================================================
#> Note:                                                                     *p<0.1; **p<0.05; ***p<0.01

Gelman A, Hill J (2007) 使用回归和多级/分层模型进行数据分析。剑桥大学出版社(一本非常非常好的书!)

由 reprex package 创建于 2018-03-08 (v0.2.0)。

关于r - plm 或 lme4 用于面板数据的随机和固定效应模型，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49033016/

文章推荐： visual-studio-2008 - 如何将TFS 2005升级到TFS 2008？

文章推荐： java - 在 Antlr 中使用访问者编辑 AST

文章推荐： maven - Tycho 无法解析 tycho-surefire-plugin 中配置的依赖项

文章推荐： eclipse中找不到java源代码

javascript - 面板 : Both glyphicons toggle when inner panel is clicked 中的 Bootstrap 面板
我有一个 Bootstrap 面板，里面有另一个面板。两者在面板标题中都有一个字形图标。默认情况下，面板是折叠的。当面板折叠时，将设置 glyphicon-unchecked。当我点击这个字形图标时，
Grafana 自动刷新仪表板布局/面板？
使用 Grafana 时，我们会在某些电视上使用它。有谁知道制作它的方法，如果有人添加面板，更改布局等，它不仅会自动刷新数据，还会自动刷新实际仪表板？我们真的厌倦了不断要求具有远程访问权限的人登录并
java - java中的隐藏标签/面板
基本上，我试图让屏幕底部有 3 个按钮，然后在屏幕中间有一个包含文字的标签。但是，我似乎无法同时在 GUI 中同时拥有按钮和标签。我是一名初学者，对布局了解不多(即使我已经阅读过它们)，因此任何帮助/
java - 面板/按钮和重新绘制令人头痛
作为学校的类(class)作业，我们必须提出一个自定义项目，我选择了一个原本打算在 ActionScript 上编写的游戏创意，但决定在 Java 上插入它。最初进展顺利，游戏代码正常运行， Spri
Java 面板/框架图形不工作
我正在尝试使用 Java Graphics 制作一个生命模拟游戏，但是当运行我的代码时，屏幕的左侧三分之一是灰色的。我希望整个屏幕是白色的，黑色方 block 代表生命方 block 。我对所有 ja
javascript滑动(侧)面板
下面是动态驱动的一个不错的“下拉面板”。 http://www.dynamicdrive.com/dynamicindex17/dddropdownpanel.htm 如您所见，它是一个面板，在打开时
javascript - 只打开一个弹出窗口(面板)
所以我有这个函数 onDisplayError ，如果请求失败，每次都会调用它。这意味着如果用户按下保存按钮并且 3 个请求失败，我当前会收到 3 个弹出消息。我的目标是此函数检查我的弹出窗口是否已打
Java GUI 面板
我正在尝试为我的一个类(class)制作一款游戏，但在实现一些我想做的事情时遇到了麻烦。本质上，我希望在同一个图形用户界面窗口中包含多个不同的部分。据我了解，我会使用 JPanel 来创建这些不同的
Jquery 面板 + 从顶部检测滚动？
我目前正在测试这种类型的面板 jquery: http://codyhouse.co/gem/css-slide-in-panel/ 但是当我想检测从顶部滚动以显示一个 div 时:没办法:( 一种检
c# - 面板——滚动条可见事件
我可能正在搜索错误的问题，但我找不到这个问题的答案。我有一个 AutoScroll 设置为 true 的面板。控件动态添加到面板。我需要在滚动条可见时触发一个事件，但我找不到这样的事件。如有任何建
html - 通过连接器连接 Bootstrap 面板
我有一堆 Bootstrap 面板，其中一些是相互关联的。有点像 Panel A -> Panel B -> Panel C 当用户单击面板 B 时，将显示面板 C，当单击面板 C 时，将显示面板 D
panel - 根据选定的模板变量隐藏 grafana 面板
我正在尝试开发一种带有指标的下拉列表，并相应地针对应该出现在仪表板上的选定指标特定面板。反之亦然，如果未选择指标，则面板应隐藏。我找到了链接 http://search-devops.com/m/k
dynamic - ExtJs 面板 - 添加动态组件
我有一个窗口，窗口里面有面板。我动态地向面板添加组件。这些组件采用“hbox”布局，以便它们水平排列。单击按钮后，我将在“hbox”布局中再向面板添加一行类似组件。这里的问题是我想在第一行下面添加第二
jquery - 展开验证错误时的 Accordion 面板
我使用 jQuery Accordion 将表单拆分为多个面板，并使用 jQuery 验证来检查所需字段。只要验证字段位于打开的面板中，它就可以很好地显示已验证字段中的错误。举个例子。假设我有三个
jQuery Mobile 面板 - 检查它是否打开
我正在尝试检查我的面板是打开还是关闭。我尝试过这样的: $(document).on('open', '.ui-panel', function(){ console.log('open');
macos - 如何制作在全屏模式下消失的 float 面板
我有一个面板，我想将其 float 在所有窗口之上并出现在所有空间中。这可以通过轻松完成 [self.panel setLevel:kCGUtilityWindowLevel]; [self.win
r - 具有分组回归线的叠加 xyplot 面板
我想在格子中的单个面板上叠加多个组，并且想要独立的回归线。获得多个面板相当容易，每个面板都有一条使用条件因子的回归线: xyplot( Petal.Width ~ Petal.Length |
Delphi:滑动(动画)面板
Delphi 有滑动(动画)面板组件吗？例如可以在 Raize Components 中找到它(带有“热点”或隐藏/显示按钮的左侧面板)。我不需要一个可调整大小的面板，而是一个可以从左向右水平平滑
javascript - 验证事件的 Accordion 面板
我有一个 Bootstrap Accordion : 我想禁用非事件面板中的所有输入控件。仅验证事件面板。我有一个检测事件选项卡的功能: $(".panel").on("show.bs.collap
java - 不同尺寸的 Swing 面板
我正在尝试将组件放入不同尺寸的面板中。但是，我意识到 GridLayout 将大小相同的部分分开。如何实现如下图所示 enter image description here import java.

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

r - plm 或 lme4 用于面板数据的随机和固定效应模型