Ho appena apportato una modifica da STATA a R e ho qualche problema nell'implementare l'equivalente R dei comandi STATA xtlogit,fe or re
e predict
. Posso chiedere qualche aiuto per regolare il seguente scenario:Come prevedere i modelli a effetti fissi e casuali?
data <- read.table("http://people.stern.nyu.edu/wgreene/Econometrics/healthcare.csv",header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE)
require(caret) # for confusionMatrix
#### subset into test & train according to the panel nature (split individuals rather then observations)
nID <- length(unique(data$id))
p = 0.50# partition
inTrain <- sample(unique(data$id), round(nID * p), replace=FALSE)
training <- data[data$id %in% inTrain, ]
testing <- data[!data$id %in% inTrain, ]
pooled <- glm(WORKING~WHITEC+FEMALE+BLUEC+HHNINC+AGE+AGESQ+EDUC+DOCVIS,data=training, family=binomial(link="logit"))
prediction.working= round(predict(pooled,newdata=testing,type="response"))
confusionMatrix(prediction.working,testing$WORKING) # Accuracy between both
Inoltre, mi piacerebbe fare queste procedure per gli effetti casuali e effetti fissi. Così ho provato gli effetti casuali prima senza successo:
library(glmmML)
RE <- glmmML(WORKING~WHITEC+FEMALE+BLUEC+HHNINC+AGE+AGESQ+EDUC+DOCVIS, family=binomial(link="logit"), data=training, cluster=id, method="ghq", n.points=12)
prediction.working= round(predict(RE,newdata=testing,type="response"))
Ma questo non sembra funzionare. Posso chiedere come regolare il modello glm
per quanto riguarda effetti casuali ed effetti fissi per poter utilizzare la funzione predict
.
Penso che stiate cercando il modello logit condizionale. Prova http://cran.r-project.org/web/packages/mclogit/mclogit.pdf – user227710