r语言 - Logit regression : glmer vs bife

Question

我正在处理面板数据集，并试图运行具有固定效果的logit回归。

我发现LME4包和Bife软件包中的Glmer模型适用于此类工作。

但是，当我使用每个模型运行回归时，我的结果没有相同的结果（估计，标准错误等）

）

这是Glmer模型的代码和结果，并具有截距：

glmer_1 <- glmer(CVC_dummy~at_log + (1|year), data=own, family=binomial(link="logit"))
summary(glmer_1)
             Estimate  Std. Error  zvalue  Pr(>|z|)    
(Intercept) -6.43327    0.09635   -66.77   <2e-16 ***
at_log       0.46335    0.01101    42.09   <2e-16 ***

没有拦截：

glmer_2 <- glmer(CVC_dummy~at_log + (1|year)-1, data=own, family=binomial(link="logit"))
summary(glmer_2)
        Estimate  Std.Error  z value  Pr(>|z|)    
at_log  0.46554    0.01099   42.36   <2e-16 ***

使用Bife软件包：

bife_1 <- bife(CVC_dummy~at_log | year, data=own, model="logit")
summary(bife_1)
        Estimate  Std. error  t-value  Pr(> t)    
at_log   0.4679    0.0110      42.54   <2e-16 ***

为什么两个软件包之间的at_log的估计系数有所不同？

我应该使用哪个软件包？

Answer 1

术语固定效果和随机效果令人困惑。从您的第一句话开始，我想您打算计算固定效果模型。

但是，虽然bife计算固定效应模型，而glmer计算随机效应模型/混合效应模型。

两者通常都会感到困惑，因为随机效应模型之间的固定效果（通常的系数，您感兴趣的自变量）和随机效应（随机拦截和/或随机斜率的差异/std。Dev。）之间有所不同。。

另一方面，固定效应模型是这样称呼的，因为它们通过在每个组中包含一个虚拟变量（-1）来取消个体差异，因此，通过对每个组的固定效果包含固定效果。

但是，并非所有固定效应模型都通过包括指标变量来工作：Bife可与伪贬义一起使用 - 然而，结果是相同的，并且仍然称为固定效应模型。