0

現在、CEOが会社を辞める確率（二値変数="1"で辞めた場合）の研究を行っています。私のデータは、2013 年から 2015 年の期間に 51 人の個人を含む 50 社の不均衡なパネル データです。

glmmMLパッケージを使用して 2 つの回帰モデル (固定効果と変量効果) を実行しようとしていました。ただし、次の警告が表示されます。

pdata <- plm.data(ceodata, index=c("id","year"))
fixed <- glmmboot(left ~ age+tenure+boardappr+ROE, 
   family=binomial(link="logit"), data=pdata, cluster=id)
    Warning messages: 
 1: In model.response(mf, "numeric") : using type = "numeric" with a factor response will be ignored
 2: In glmmbootFit(X, Y, weights, start.coef, cluster, offset, family,  :[glmmboot:] Information non-positive definite. No variance!
 3: In Ops.factor(Y, res$fitted) : ‘/’ not meaningful for factors
 4: In Ops.factor(Y, log(ifelse(Y == 0, 1, Y/res$fitted))) ‘*’ not meaningful for factors
 5: In Ops.factor(1, Y) : ‘-’ not meaningful for factors
 6: In Ops.factor(1, Y) : ‘-’ not meaningful for factors

変数のセットを変更すると、同じ警告と無意味な回帰結果が得られます。何か間違ったことをしているのか、それとも使用しているデータに問題があるのか​​ 疑問に思っていましたか? おそらく、誰かがコードを共有して、固定効果モデルとランダム効果モデル、およびロジスティック回帰のハウスマン テストを実行できますか?

PS私が使用するデータは次のようになります。

ここに私が使用するデータの概要があります

4

1 に答える 1

0

ここでの近位の問題は、(glmベース R とそのパターンをコピーするモデルとは異なり)glmmMLカテゴリ変数を応答として許可しないことです。おそらく

pdata <- transform(pdata,left=as.numeric(left)-1)

（この特定のケースでas.numeric(as.character(left))は、同じ結果が得られます...）それで役立ちます：最初の因子レベルを0に、2番目を1に変換します。

私はあまり知りません：私はここでglmmML答えを出しました.stats::glmlme4::glmer

于 2016-11-20T22:54:37.190 に答える