通过xtlogit fe和xtlogit re命令，Stata允许逻辑回归的固定效应和随机效应规范。我想知道R中这些规范的等效命令是什么。
我知道的唯一类似的规范是混合效应逻辑回归
mymixedlogit <- glmer(y ~ x1 + x2 + x3 + (1 | x4), data = d, family = binomial)
但是我不确定这是否映射到上述任何命令。
最佳答案
glmer命令用于快速拟合具有不同截距和斜率的逻辑回归模型（或等效地具有固定和随机效应的混合模型）。
要在R中拟合变化截距的多级逻辑回归模型（即随机效应逻辑回归模型），可以使用内置的“ mtcars”数据集运行以下命令：
data(mtcars)
head(mtcars)
m <- glmer(mtcars$am ~ 1 + mtcars$wt + (1|mtcars$gear), family="binomial")
summary(m)
# and you can examine the fixed and random effects
fixef(m); ranef(m)
要在Stata中拟合截距斜率模型，您当然可以使用xtlogit命令（在Stata中使用相似但不完全相同的内置“自动”数据集）：
sysuse auto
xtset gear_ratio
xtlogit foreign weight, re
我要补充一点，我发现对“固定”效果与“随机”效果的整个引用是模棱两可的，并且我更喜欢引用模型本身的结构（例如，截距是否变化？斜率是否变化？嵌套在2个或更多级别中的模型？这些级别是否交叉分类？）。对于类似的观点，请参阅安德鲁·盖尔曼（Andrew Gelman）关于“固定”效果与“随机”效果的thoughts。
更新：Ben Bolker在下面的出色评论指出，在R中，使用
predict命令使用data=mtcars选项代替美元表示法时，它的信息更丰富：data(mtcars)
m1 <- glmer(mtcars$am ~ 1 + mtcars$wt + (1|mtcars$gear), family="binomial")
m2 <- glmer(am ~ 1 + wt + (1|gear), family="binomial", data=mtcars)
p1 <- predict(m1); p2 <- predict(m2)
names(p1) # not that informative...
names(p2) # very informative!
关于r - Stata的xtlogit(fe，re)等效于R？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23208268/