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？
Why does xtnbreg, fe in Stata produce different findings than femlm and glm.nb (both with fixed effects) in R?
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，我尝试了这 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 生成的结果完全相同，但与 xtnbreg 在 Stata 中生成的结果不同。系数、标准误差和 p 值都大不相同。
我曾尝试在 Stata 和 R 中复制标准的负二项式回归，并且已经成功完成。
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（例如这个：is there an R function for Stata's xtnbreg?），但没有找到任何答案。
SOLVED（大部分）：复现xtnbreg生成结果的R代码，Stata中的fe：
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，只知道行得通。我怀疑 Ben 是正确的，它与估计条件 ML 和无条件 ML 有关。如果有人确定，请分享。
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，我尝试了这 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 生成的结果完全相同，但与 xtnbreg 在 Stata 中生成的结果不同。系数、标准误差和 p 值都大不相同。
我曾尝试在 Stata 和 R 中复制标准的负二项式回归，并且已经成功完成。
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（例如这个：is there an R function for Stata's xtnbreg?），但没有找到任何答案。
SOLVED（大部分）：复现xtnbreg生成结果的R代码，Stata中的fe：
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，只知道行得通。我怀疑 Ben 是正确的，它与估计条件 ML 和无条件 ML 有关。如果有人确定，请分享。