最大似然估计 -MLE- 在 R 中使用 plm 包

Question

我有不平衡的面板数据，我想拟合这种类型的回归：

Pr(y=1|xB) = G(xB+a)

其中“y”是二进制变量，“x”是解释变量向量，“B”是我的系数。

我想实现具有最大似然估计的随机效应模型，但是我不明白我需要在 plm 函数（包 plm）CRAN 指南（小插图）中更改什么。到目前为止，我使用了这段代码：

library(plm)
p_finale <- plm.data(p_finale, index=c("idnumber","Year"))
attach(p_finale)
y <- (TotalDebt_dummy)
X_tot <- cbind(Size,ln_Age,liquidity,Asset_Tangibility,profitability,growth, sd_cf_risk1, family_dummy,family_manager,
               sd_cf_risk1*family_dummy,
               Ateco_A,Ateco_C,Ateco_D,Ateco_E,Ateco_F,Ateco_G,Ateco_H,Ateco_I,Ateco_J,Ateco_M,Ateco_N,
               Ateco_Q,Ateco_R)

model1 <- plm(y~X_tot+factor(Year),data = p_finale, model="random")

我包含了整个代码，但我认为唯一需要更改的是plm 中的最后一行。

Answer 1

来自包plm 的函数plm 不使用最大似然法进行模型估计。它使用计量经济学中常见的 GLS 方法。

请参阅包的第一个小插曲中关于 plm 与 nlme 和 lme4 的部分（“Panel data econometrics with R: the plm package” (https://cran.rstudio.com/web/packages/plm/vignettes/A_plmPackage.html)。该部分解释了appraoches 并提供两者的代码示例（请参阅包 nlme 和 lme4 以获得最大似然方法）。