具有二元因变量与固定效应的分组数据模型：logit 与 OLS 估计及被剔除单元的影响
应用统计
2018-10-30 v1
摘要
这封信处理一个非常简单的问题：如果我们拥有具有二元因变量的分组数据，并希望在设定中包含固定效应（组特定截距），那么普通最小二乘法（OLS）是否因它看似保留了所有观测值，而 logit 剔除了因变量全为零或全为一的所有组，从而在某种方式上优于 logit 形式？本文表明，OLS 将被解释变量全零（及全一）组的估计（按定义其所有斜率系数均为零）与因变量零一混合组的斜率系数进行了平均。因此，OLS 与 logit 的正确比较应仅关注因变量存在某些变化的组。我们敦促使用 OLS 的研究者同时报告全样本组以及因变量有变化的子样本组的结果。这两种结果之间差异的解释依赖于无法经验评估的假设。
引用
@article{arxiv.1810.12105,
title = {Estimating grouped data models with a binary dependent variable and fixed effect via logit vs OLS: the impact of dropped units},
author = {Nathaniel Beck},
journal= {arXiv preprint arXiv:1810.12105},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1809.06505