为什么 Stata 中的 xtnbreg, fe 产生的结果与 R 中的 femlm 和 glm.nb （均具有固定效应）不同？答案

【问题标题】：Why does xtnbreg, fe in Stata produce different findings than femlm and glm.nb (both with fixed effects) in R?为什么 Stata 中的 xtnbreg, fe 产生的结果与 R 中的 femlm 和 glm.nb （均具有固定效应）不同？
【发布时间】：2021-06-16 22:14:27
【问题描述】：

我在 Stata 中估计了以下具有组固定效应的负二项式回归模型。数据是时间序列横截面数据。 panelvar 是组，timevar 是时间。

tsset group time
xtnbreg y x1 x2 x3 + x4 + x5, fe

我想在 R 中复制这些发现。为此，我尝试了以下 4 个模型：

nb1 <- femlm(y ~ x1 + x2 + x3 + x4 + x5 | group, panel.id = ~group + time, family = "negbin", mydata)
nb2 <- fenegbin(y ~ x1 + x2 + x3 + x4 + x5 | group, panel.id = ~group + time, mydata)
nb3 <- glm.nb(y ~ x1 + x2 + x3 + x4 + x5 + factor(group), data=mydata)
nb4 <- glmmadmb(y ~ x1 + x2 + x3 + x4 + x5 + factor(group), data = mydata, family="nbinom")

nb1-4 产生的结果都是相同的，但与 Stata 中的 xtnbreg 产生的结果不同。系数、标准误和 p 值都有本质的不同。

我尝试在 Stata 和 R 中复制标准的负二项式回归，并且成功地做到了。

有人知道这里发生了什么吗？我查看了这个论坛上的相关帖子（比如这个：is there an R function for Stata's xtnbreg?），并没有找到任何答案。

【问题讨论】：

我们有机会获得minimal reproducible example吗？查看stata-press.com/manuals/errata/stata6/i/xtnbreg.pdf，它说“使用了条件似然，其中色散参数退出了估计”。另见statisticalhorizons.com/fe-nbreg .... ?fixest::femlm 也强烈建议它正在使用 unconditional ML ...
如果您想知道“在这种情况下，条件机器学习和无条件机器学习有什么区别，为什么重要？”这可能是CrossValidated 的问题
更多问题：xtnbreg 对时间变量做了什么/假设？
谢谢！我没有注意到这两个命令之间的这种差异。我会进一步调查，如果它最终成为问题的根源，我会跟进。
如果您已经解决了自己的问题，您应该将您的答案发布为 answer，而不是作为问题的编辑（Stack Overflow 鼓励自行回答- 在您作为新用户自行回答之前可能需要等待一段时间，但我怀疑它已经过去了）

标签： r stata

【解决方案1】：

已解决（大部分）：在 Stata 中重现 xtnbreg、fe 生成的结果的 R 代码：

nb5 <- pglm(y ~ x1 + x2 + x3 + x4 + x5 ,family = negbin, data = mydata, effect = "individual", model="within", index = "group")

我在 RPubs 上找到了解决方案：https://rpubs.com/cuborican/xtpoisson。我仍然不知道 为什么 这行得通，只知道它行得通。我怀疑 Ben 是正确的，它与估计条件机器学习和无条件机器学习有关。如果有谁知道，请分享。

【讨论】：