মুন্ডলাক স্থির প্রতিক্রিয়া পদ্ধতি ডামিগুলির সাথে লজিস্টিক রিগ্রেশনের জন্য প্রযোজ্য?

Question

আমার কাছে 8000 ক্লাস্টার এবং 4 মিলিয়ন পর্যবেক্ষণ সহ একটি ডেটাসেট রয়েছে। দুর্ভাগ্যক্রমে আমার পরিসংখ্যান সংক্রান্ত সফটওয়্যার, স্টাটা লজিস্টিক রিগ্রেশনের জন্য এর প্যানেল ডেটা ফাংশনটি ব্যবহার করার পরিবর্তে ধীরে ধীরে চালিত হয়: xtlogitএমনকি 10% সাবমেল সহ।

তবে ননপ্যানেল ব্যবহার করার সময় logitফলাফলগুলি খুব শীঘ্রই উপস্থিত হয়। সুতরাং আমি logitসংশোধিত ডেটা ব্যবহার করে লাভবান হতে সক্ষম হতে পারি যা স্থির প্রভাবগুলির জন্য অ্যাকাউন্ট করে।

আমি বিশ্বাস করি যে এই প্রক্রিয়াটি "মুন্ডলাক স্থির প্রভাবের পদ্ধতি" (মুন্ডলাক, ওয়াই। 1978 সালে তৈরি করা হয়েছে Time টাইম-সিরিজ এবং ক্রস-সেকশন ডেটার পুলিং E

আমি এন্টোনাকিস, জে, বেন্দাহান, এস।, জ্যাকার্ট, পি।, এবং লালিভ, আর। (2010) এর একটি গবেষণাপত্রে এই পদ্ধতির স্বজ্ঞাত ব্যাখ্যা পেয়েছি । কার্যকারিতা দাবি করার বিষয়ে: একটি পর্যালোচনা এবং সুপারিশ। নেতৃত্ব ত্রৈমাসিক, 21 (6)। 1086-1120। আমি উদ্ধৃতি:

বাদ দেওয়া xed প্রভাবগুলির সমস্যাটি পেতে এবং এখনও স্তর 2 ভেরিয়েবলগুলি অন্তর্ভুক্ত করার একটি উপায় হ'ল আনুমানিক মডেলের (মুন্ডলাক, 1978) সমস্ত স্তরের 1 কোভারিয়েটের ক্লাস্টার উপকরণ অন্তর্ভুক্ত করা। ক্লাস্টারের অর্থ স্তর 1 কোভেরিয়েট থেকে রেজিস্ট্রার বা বিয়োগ (যেমন ক্লাস্টার-গড় কেন্দ্রিক) হিসাবে অন্তর্ভুক্ত করা যেতে পারে। ক্লাস্টারের অর্থগুলি ক্লাস্টারের অভ্যন্তরে আক্রমণাত্মক (এবং ক্লাস্টারগুলির মধ্যে পরিবর্তিত হয়) এবং লেভেল 1 প্যারামিটারগুলির যথাযথ অনুমানের জন্য যেমন এক্স-ইফেক্টগুলি অন্তর্ভুক্ত করা হয়েছিল (রাবে-হেস্কেথ এবং স্ক্রোনডাল, দেখুন 2008) allow

সুতরাং ক্লাস্টার-কেন্দ্রিক কেন্দ্রীভূত করা আমার গণ্য সমস্যা সমাধানের জন্য আদর্শ এবং ব্যবহারিক বলে মনে হচ্ছে। যাইহোক, এই কাগজপত্রগুলি লিনিয়ার রিগ্রেশন (ওএলএস) এর দিকে জোরালো বলে মনে হচ্ছে।

ক্লাস্টার-গড় কেন্দ্রের এই পদ্ধতিটিও "প্রতিলিপি" স্থির প্রভাবগুলির বাইনারি লজিস্টিক রিগ্রেশন জন্য প্রযোজ্য?

আরও একটি প্রযুক্তিগত প্রশ্ন যা একই উত্তরের ফলাফল হওয়া উচিত তা হ'ল: xtlogit depvar indepvars, feডেটা্যাসেট এ এর ​​সমান equallogit depvar indepvars সাথে ডেটাসেট বি এর যখন ডেটা্যাসেট বি ক্লাসার-কেন্দ্রিক কেন্দ্রিক সংস্করণ ডেটাসেট এ?

এই ক্লাস্টার-কেন্দ্রিক কেন্দ্রে আমি খুঁজে পেয়েছি একটি অতিরিক্ত অসুবিধা হ'ল কীভাবে ডমিগুলি মোকাবেলা করা যায়। যেহেতু ডামি হয় হয় 0 বা 1, এগুলি এলোমেলো এবং স্থির প্রভাবগুলির প্রতিরোধের মতো? তাদের কি "কেন্দ্রিক" হওয়া উচিত নয়?

Answer 1

প্রথম ভিন্নতা বা ডিমিনিংয়ের মতো রূপান্তরগুলির মধ্যে যেমন লগইটের মতো মডেলগুলিতে পাওয়া যায় না কারণ ননলাইনার মডেলের ক্ষেত্রে এই জাতীয় কৌশল অবরুদ্ধ সংরক্ষিত প্রভাবগুলি সরিয়ে দেয় না। এমনকি যদি আপনার কাছে একটি ছোট ডেটা সেট থাকে যাতে সরাসরি নির্দিষ্ট প্রভাবগুলি অনুমান করার জন্য এন -1 স্বতন্ত্র ডামি অন্তর্ভুক্ত করা সম্ভব ছিল তবে আপনার ডেটার সময় মাত্রা বড় না হলে এটি পক্ষপাতদুষ্ট অনুমানের দিকে পরিচালিত করবে। প্যানেল লগইটে স্থির প্রভাবগুলি নির্মূলকরণ অতএব পৃথক বা ক্ষমতাকে অনুসরণ করে না এবং কেবল লগইট কার্যকরী ফর্মের কারণে সম্ভব। আপনি যদি বিবরণে আগ্রহী হন তবে পিডিএফ পৃষ্ঠা 30 এ স্যাডেরবমের এই নোটগুলি একবার দেখে নিতে পারেন (লগিট / প্রবিটে প্রথমে আলাদা করার জন্য কেন ব্যাখ্যা করা যায়) এবং পৃষ্ঠা 42 (প্যানেল লজিট অনুমানের ভূমিকা)।

আর একটি সমস্যা হ'ল xtlogitএবং সাধারণভাবে প্যানেল লজিট মডেলগুলি প্রান্তিক প্রভাবগুলি গণনা করার জন্য প্রয়োজনীয় স্থির প্রভাবগুলি সরাসরি অনুমান করে না। এগুলি ব্যতীত আপনার সহগের ব্যাখ্যা করা খুব বিশ্রী হবে যা ঘন্টার পর ঘন্টা মডেল চালানোর পরে হতাশাব্যঞ্জক হতে পারে।

এত বড় ডেটা সেট এবং এফই প্যানেল লগিটের পূর্বে উল্লিখিত ধারণাগত অসুবিধার সাথে আমি লিনিয়ার সম্ভাব্যতা মডেলটির সাথে থাকি stick আমি আশা করি এই উত্তরটি আপনাকে হতাশ করবে না তবে এ জাতীয় পরামর্শ দেওয়ার জন্য অনেকগুলি ভাল কারণ রয়েছে: এলপিএম আরও দ্রুত, সহগের সাথে সরাসরি ব্যাখ্যা করা যেতে পারে (এটি বিশেষত যদি আপনার মডেলটিতে ইন্টারঅ্যাকশন প্রভাব থাকে তবে তাদের ব্যাখ্যা কারণ অ-রৈখিক মডেলগুলির সহগগুলি পরিবর্তিত হয়!), স্থির প্রভাবগুলি সহজেই নিয়ন্ত্রণ করা হয় এবং আপনি অকারণে ছাড়াই এবং ক্লাস্টারগুলির জন্য স্ট্যান্ডার্ড ত্রুটিগুলি কোনও কারণ ছাড়াই বৃদ্ধি ছাড়াই সামঞ্জস্য করতে পারেন। আশা করি এটা কাজে লাগবে.

Comments

এটি কোনও সমাধান নয় তবে এটি একটি উত্তর। ধন্যবাদ :)

— টম

ছোট বিন্দু: এই স্লাইডগুলির p20 আপনার কেস তৈরি করে তবে একটি মুন্ডলাক-সংশোধন ওরফে 'সহকর্মী র্যান্ডম এফেক্টস' মডেলটি পি 47 এ বর্ণনা করা হয়েছে এবং মনে হয় এরকম কোনও ক্যাভেট নেই।

— conjugateprior

Answer 2

আমি শর্তসাপেক্ষ লগিট (স্টাটার উপর "ক্লোজিট") বিশ্বাস করি, এটি একটি বিকল্প স্থির-কার্যকর লজিট প্যানেল অনুমানকারী।

http://www3.nd.edu/~rwilliam/stats3/Panel03-FixedEffects.pdf

Comments

সাইটে স্বাগতম! আমি মনে করি এটি গ্রহণযোগ্য উত্তর নয়, যেহেতু প্রশ্নটি আসলে: কীভাবে শর্তসাপেক্ষে (স্থির-প্রতিক্রিয়াগুলি) লজিস্টিক রিগ্রেশনকে পরিমার্জনীয় ক্রস-বিভাগীয় লজিস্টিক রিগ্রেশনকে এড়ানো যায়, অনুমানটি আরও বাড়ানোর উদ্দেশ্যে with আপনার অবগতির (পৃষ্ঠা 3 এর শীর্ষে) বোঝা যায় যে, "আমরা হয় ব্যবহার করতে পারেন Stata'র clogitকমান্ড বা xtlogit, feকমান্ড একটি নির্দিষ্ট প্রভাব logit বিশ্লেষণ করতে। দুটি একই ফলাফল দেয়। (আসলে, আমি বিশ্বাস করি xtlogit, feআসলে কল clogit।)" দ্য ওপি ইতিমধ্যে xtlogit, feপেনাল্টিমেট অনুচ্ছেদের ভিত্তিতে জানত knew

— র্যান্ডেল

Answer 3

অ্যালিসন এই সমস্যাটি অ্যালিসন, (২০০৯), "ফিক্সড এফেক্টস রিগ্রেশন মডেল", পি .৩২ এ আলোচনা করেছেন।

অ্যালিসন যুক্তি দিয়েছিলেন যে সর্বাধিক সম্ভাবনা সহ একটি শর্তহীন মডেলটি অনুমান করা সম্ভব নয়। এটি আমি তাই কারণ "ঘটনামূলক পরামিতিগুলির সমস্যার কারণে" মডেলগুলি পক্ষপাতদুষ্ট হয়ে যায়। পরিবর্তে, তিনি শর্তযুক্ত লজিট মডেল (চেম্বারলাইন, 1980) ব্যবহার করার পরামর্শ দেন। এটি প্রতিটি ব্যক্তির জন্য পরিলক্ষিত ইভেন্টগুলির সংখ্যার সম্ভাবনা ফাংশনকে কন্ডিশনিংয়ের মাধ্যমে সম্পন্ন করা হয়।