使用 R 中的 bife 获得截距以进行固定效应逻辑回归

Question

我正在尝试使用 R 中的 bife 包估计具有固定效应的逻辑回归模型。我使用此链接 - bife vignette - 来设置模型。我的模型在bife 命令中使用时如下所示：

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

当我使用 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？使用logit.bife$par_corr$avg_alpha 可以获得平均固定效果。我有大约 1266 个 ID 值，并且使用 logit.bife$par_corr$avg_alpha 获得了 1256 个固定效应估计值。但是，我不知道如何获得截距值。小插图表明bife 估计器与glm 的估计器几乎相同。通常当我们使用glm 时，我们会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，

固定效应一词用于计量经济学家的意义上 每个人的时间常数假人。中的所有其他参数 模型称为结构参数。

和

线性预测变量不得包含任何常数回归变量，因为 与固定效应的完美共线性。

所以，基本上我们对每个 ID 都有一个单独的截距，这就是 bife 的全部意义。如果您定义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：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，这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，bife 在这个意义上并没有什么特别之处，如果您为 每个 ID 包含一个虚拟变量（仅包括 ID 变量），glm 也会发生同样的情况可能会降低一个因子水平并包括截距）。最终你应该想想你的目标是什么；也许这些固定效应的平均值或中位数确实是您需要的。