I Just Ran Dua Juta Regresi - Kemungkinan Terintegrasi

9

Saat ini saya sedang berusaha menerapkan metode yang digunakan dalam sebuah makalah populer berjudul "I Just Ran Two Million Regressions". Ide dasar di balik itu adalah bahwa ada kasus-kasus tertentu di mana tidak jelas kontrol apa yang harus dimasukkan dalam model. Satu hal yang dapat Anda lakukan dalam kasus seperti itu adalah menggambar kontrol secara acak, menjalankan jutaan regresi berbeda, dan kemudian melihat bagaimana variabel minat Anda bereaksi. Jika umumnya memiliki masuk yang sama di semua spesifikasi maka kita dapat menganggapnya lebih kuat daripada variabel yang tandanya selalu berubah.

Sebagian besar kertas sangat jelas. Namun, makalah ini menimbang semua regresi berbeda dengan cara berikut: Kemungkinan terintegrasi dari spesifikasi yang diberikan dibagi dengan jumlah semua kemungkinan terintegrasi untuk semua spesifikasi.

Masalah yang saya alami adalah bahwa saya tidak yakin bagaimana kemungkinan terintegrasi terkait dengan regresi OLS yang ingin saya jalankan (dalam Stata). Topik Googling seperti "stata integrated likelihood" telah menemui jalan buntu karena saya terus mengalami hal-hal seperti regresi logistik efek campuran. Saya mengakui bahwa model ini terlalu rumit untuk saya pahami.

Pekerjaan saya saat ini adalah bahwa ada skema pembobotan yang berbeda yang digunakan dalam literatur yang saya mengerti. Sebagai contoh, adalah mungkin untuk menimbang setiap regresi berdasarkan indeks rasio kemungkinan. Bahkan ada paket R yang menggunakan lri sebagai bobot. Tentu saja, saya juga ingin menerapkan yang asli.

Ada saran?

Tautan Kertas: http://down.cenet.org.cn/upfile/34/2009112141315178.pdf

likelihood-ratio NikolaiB
sumber
1
Utas ini dapat mengatasi beberapa masalah Anda ... stats.stackexchange.com/questions/215154/…
Mike Hunter
1
Saya pernah menulis sebuah fungsi dalam MATLAB mereplikasi hasil Sala-i-Martin (yang, omong-omong, tidak benar-benar canggih dalam pemilihan model), lihat dropbox.com/s/mqa7qvhn7w5pkag/… . Kemungkinan terintegrasi (tidak yakin apa yang Anda maksudkan dengan tepat) mungkin hanya merupakan log-likelihood yang eksponensial.
Christoph Hanck
Terima kasih! Saya mengacu pada persamaan 4 di halaman 179. Ini menyatakan "Di mana bobot sebanding dengan kemungkinan (terintegrasi)"
NikolaiB

Jawaban:

1

Untuk OLS, Anda masih dapat menghitung fungsi likelihood (kemungkinan log eksponensial, seperti yang disebutkan Christoph Hanck dalam komentar). Itu hanya tua yang baik . Stata menyimpan ini setelah menjalankan regresi menggunakanLi=∏i(2πσ2)−.5exp⁡(−.5(yi−xiβ)2)e(ll)regress

Kemudian Anda membangun bobot sebagai .wi=Li∑jLj

Akhirnya, Anda membuat rata-rata tertimbang dari koefisien regresi Anda menggunakan sebagai bobot.wi

Superpronker
sumber