Regresión probit restringida en R
Estoy buscando ejecutar un modelo probit en R estableciendo ciertos coeficientes iguales entre sí.
Considere el ejemplo simple en el que cuatro equipos se enfrentan una vez en casa y una vez fuera:
Home <- c('NY','NY','NY','LA','LA','LA','BOS','BOS','BOS','CHI','CHI','CHI')
Away <- c('LA','CHI','BOS','NY','CHI','BOS','LA','CHI','NY','LA','NY','BOS')
HomeWin <- c(1,1,0,1,0,1,0,1,0,0,0,1)
results <- data.frame(Home,Away,HomeWin)
Supongamos que quiero ejecutar un modelo probit en el que incluyo variables ficticias para el equipo local y el equipo visitante.
model <- glm(HomeWin ~ as.factor(Home) + as.factor(Away), family = binomial(link="probit"), data = results)
El resultado del modelo proporciona estimaciones de coeficientes para tres de los equipos locales (en comparación con un equipo local excluido) y tres de los equipos visitantes (en comparación con un equipo visitante excluido). Supongamos que quiero establecer el modelo de manera que la estimación del coeficiente local para NY sea igual a la estimación del coeficiente de distancia para NY (y lo mismo para las otras ciudades). ¿Cómo haría esto? Mis datos completos contienen 30 de estos grupos y con significativamente más variables.
Respuestas
Si entiendo la pregunta correctamente, lo que realmente estás buscando es tener homey awaytener efectos opuestos. P.ej. beta_{home=NY} = - beta_{away=NY}. Sin embargo, no está del todo claro. Pero una forma sencilla de lograr esto sería diseñar manualmente sus variables ficticias, de modo que tenga una ficticia para NY_home_or_awaycon home=1y away=-1. En este caso beta_NY_home_or_awayse basaría tanto en casa como fuera pero tendría un signo negativo.
library(dplyr)
competitors <- unique(unlist(results[, c('Home', 'Away')]))
new_cols <- lapply(competitors, function(x){
home <- results[['Home']] == x
away <- results[['Away']] == x
case_when(home ~ 1,
away ~ -1,
TRUE ~ 0)
})
names(new_cols) <- competitors
results_wide <- bind_cols(results, new_cols)
fit <- glm(HomeWin ~ NY + LA + CHI + BOS, data = results_wide, family = binomial('probit'))
summary(fit)
Call:
glm(formula = HomeWin ~ NY + LA + CHI + BOS, family = binomial("probit"),
data = results_wide)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.64597 -0.73997 0.01633 1.19731 1.19731
Coefficients: (1 not defined because of singularities)
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.927e-02 3.823e-01 -0.077 0.939
NY 6.786e-01 6.676e-01 1.017 0.309
LA 6.786e-01 6.676e-01 1.017 0.309
CHI -2.898e-16 6.527e-01 0.000 1.000
BOS NA NA NA NA
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 16.636 on 11 degrees of freedom
Residual deviance: 14.537 on 8 degrees of freedom
AIC: 22.537
Number of Fisher Scoring iterations: 5
Tenga en cuenta que ahora el signo depende del signo de si el equipo es Awayy Homecomo Away=-1. Además, es probable que cualquier prueba estadística deba realizarse con cierto cuidado después de realizar dicha transformación, ya que su interpretación y validez dependerán de otras variables. También tenga en cuenta que un equipo obtendrá NAestimaciones, ya que las variables ficticias son linealmente dependientes.
Puede crear variables ficticias para cada nombre de equipo que aparece como Local o Ausente y usar esas variables ficticias en la regresión.
(El siguiente ejemplo puede tener un rendimiento numérico extraño dados los datos de muestra que proporcionó, pero debería funcionar con los datos reales).
library(dplyr)
library(fastDummies)
teams <- results$Home %>% unique()
# function to add a dummy for a given team is either Home or Away
add_HoA <- function(df, team) {
HoA_str <- paste0('HoA_',team)
HoA <- ensym(HoA_str)
df <- df %>% mutate(!!HoA := (Home ==team | Away==team) %>% as.integer())
return (df)
}
for (team in teams) {
results <- add_HoA(results, team)
}
# using HoA_ variables for all teams
model2 <- glm(HomeWin ~ ., family = binomial(link="probit"),
data = results %>% dplyr::select(HomeWin, starts_with('HoA_')))
summary(model2)
results <- fastDummies::dummy_cols(results, select_columns = c('Home','Away'))
# using HoA_ variables for NY
model3 <- glm(HomeWin ~ ., family = binomial(link="probit"),
data = results %>%
dplyr::select(HomeWin, HoA_NY, starts_with('Home_'), starts_with('Away_')) %>%
dplyr::select(-Home_NY, -Away_NY))
summary(model3)
# using HoA_ variables for BOS
model4 <- glm(HomeWin ~ ., family = binomial(link="probit"),
data = results %>%
dplyr::select(HomeWin, HoA_BOS, starts_with('Home_'), starts_with('Away_')) %>%
dplyr::select(-Home_BOS, -Away_BOS))
summary(model4)