r - 在 R 中使用 bife 获取截距以进行固定效应逻辑回归

Question

我正在尝试使用 bife 估计具有固定效应的逻辑回归模型R 中的包。我使用了这个链接 - bife vignette - 设置模型。我的模型在 bife 中使用时如下所示命令:

logit.bife <- bife(Y ~ X1+X2+X3+X4+...+X13 | ID)

使用bife时，如何获取截距值？它是否包含在我们在输出中得到的平均固定效应中？可以使用 logit.bife$par_corr$avg_alpha 获得平均固定效应.我有大约 1266 个 ID 值，我使用 logit.bife$par_corr$avg_alpha 获得了 1256 个固定效应估计值。 .但是，我不知道如何获得拦截值。小插图表明 bife estimator 和 glm 几乎一样.通常当我们使用 glm我们在模型输出中得到一个截距。

任何人都可以建议如何在使用 bife 时获得拦截?

Answer 1

没有单一的拦截。正如 ?bife 中所说的,

The term fixed effect is used in econometrician's sense of having a time-constant dummy for each individual. All other parameters in the model are referred to as structural parameters.

和

The linear predictor must not include any constant regressors due to the perfect collinearity with the fixed effects.

所以，本质上我们对每个 ID 都有一个单独的截距，这是 bife 的全部点。 .如果您定义了一个常数回归量并手动将其添加到模型中，那么它会由于完美的多重共线性而崩溃:人们无法区分截距的贡献和所有固定效应的总和。

但是，请注意，除了平均固定效应之外，您还有单独的固定效应，它们应该只比单个数字更有趣:

logit.bife$par$alpha # Uncorrected
logit.bife$par_corr$alpha # Corrected

事实上，在这个意义上， bife 并没有什么特别之处。 ，同样会发生在 glm如果您为每个 ID 包含一个虚拟变量(仅包含 ID 变量可能会降低一个因子水平并包含截距)。最终你应该思考你的目标是什么；也许这些固定效应的平均值或中位数确实是您所需要的。