计算面板数据和线性概率模型的 ROC

Question

我有来自 102 个国家/地区的外部资产的面板数据，时间跨度约为 20-40 年，具体取决于国家/地区。 我尝试根据 log(total_liabilities 来预测金融危机的概率，看看外国投资和其他资本头寸的增加是否有助于预测危机。

plm1 <- plm(crisis ~ log_total_liabilities + lag1_log_tot_lia + lag2_log_tot_lia + lag3_log_tot_lia
                        + factor(year) + factor(country), data = dt2, index=c("year", "country"), model="pooling")
summary(plm1)

我首先估计一个 plm 模型，然后回归我的危机模型。 为了估计预测能力，我想生成一个 ROC 和 AUC 值，给定回归

# Plot of True Positive Rate Against the False Positive Rate
pred1 <- predict(plm1)
pred2 <- prediction(pred1,as.numeric(plm1$crisis))
plot(performance(pred2,"tpr","fpr"), las=0, main="plm1")

我收到如下错误：

错误：不适合参数/变量”（从德语翻译）或 “所有参数/变量都需要具有相同的长度”（翻译 来自德语）。

另一种获取 Roc 值的方法是 当更改pred1 <- predict(plm1, dt2)（dt2 是我的数据框，还包含一些我在 plm1 回归中未使用的变量）时，错误有所不同： 预测格式无效。它不能被强制到一个列表中。

PLM 是否根本不适合 ROC 计算？如果是这样，所附论文为什么会为具有固定效应的线性概率模型提供 AUROC 值？ （见倒数第二行） 如果没有，我做错了什么？

我附上了论文和我的数据集的屏幕截图。

CSV File with datasat

Screenshot of paper with OLS AUROC value

Answer 1

AUC-ROC 仅适用于二进制分类问题。由于您使用了固定效应回归，因此 plm1 之后产生的预测值 pred1 是连续的。