Question

有没有办法使用权重选项估算R中的随机效果面板线性回归？

对于固定效果，我可以简单地使用

lm(y ~ x + factors(id_variable), weights=wgt)

然而，我正在寻找RE，因为个人数量太大而且达到了记忆限制。

由于调查数据类型

，需要加权

如果R中没有，是否可以 stata 或 SAS ？

Answer 1

在我的（有限的）经验调查中，多级模型的权重是一堆蠕虫（我主要遵循Andrew Gelman对此的看法，例如this paper或this blog post about it;这里是（未答复的）{{3关于这个话题）。换句话说，在担心计算问题之前，您可能必须解决统计问题（处理此问题的正确方法是什么？）。

我确实认为Stata和/或SAS提供了这样的功能（请参阅上面的CrossValidated链接），但我不能告诉你很多。

但是，如果您不想要/需要随机效果，即您只想处理大量固定效果的问题，您应该能够像CrossValidated question中那样使用稀疏模型矩阵，如下例所示。

你仍然需要弄清楚如何处理权重。我不认为weights=，lm，glm等中的lme4参数处理调查权重。我相信survey包非常复杂，但我不知道它的surveyglm()函数是否可以处理/有稀疏模型矩阵的选项......

library("Matrix")
library("MatrixModels")
set.seed(101)
ngrps <- 1e3
nobs <- 10
ntot <- nobs*ngrps
d <- data.frame(y=rnorm(ntot),
                x=rnorm(ntot),
                f=gl(ngrps,nobs))
object.size(X1 <- model.matrix(~x+f,data=d))  ## 80 MB
object.size(X2 <- sparse.model.matrix(~x+f,data=d))  ## 709K
system.time(m1 <- MatrixModels:::lm.fit.sparse(X2,d$y)) ## 0.004 seconds
system.time(m2 <- lm.fit(X1,d$y))  ## 9 seconds

具有随机效应的R加权面板回归

1 个答案: