最大似然估计-MLE- 与 R 中的 plm 包
Maximum Likelihood Estimation -MLE- with plm package in R
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”是二元变量,“x”是解释变量向量,“B”是我的系数。
我想用最大似然估计实现随机效应模型,但是我不明白我需要在 plm
函数(包 plm
的)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。
包 plm
中的函数 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图(“使用 R 的面板数据计量经济学:plm 包”(https://cran.rstudio.com/web/packages/plm/vignettes/A_plmPackage.html) 中关于 plm 与 nlme 和 lme4 的部分。本节解释了这两种方法之间的差异,并提供了两种方法的代码示例(并参考了包 nlme
和 lme4
以了解最大似然法)。
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”是二元变量,“x”是解释变量向量,“B”是我的系数。
我想用最大似然估计实现随机效应模型,但是我不明白我需要在 plm
函数(包 plm
的)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。
包 plm
中的函数 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图(“使用 R 的面板数据计量经济学:plm 包”(https://cran.rstudio.com/web/packages/plm/vignettes/A_plmPackage.html) 中关于 plm 与 nlme 和 lme4 的部分。本节解释了这两种方法之间的差异,并提供了两种方法的代码示例(并参考了包 nlme
和 lme4
以了解最大似然法)。