R中的Panel Lasso估计

Question

我在我的数据集中有许多连续的自变量和一个独立的虚拟变量，这些变量是关于给定年份的个人的。我想使用Logistic Random Effects Lasso/Logistic Fixed Effects Lasso执行特征选择。然而，在我的估算过程中，glmnet的默认设置是，我使用的是横截面数据，而我希望R将我的数据视为面板数据，因此它会对Logistic Lasso建模，而我想要的是Logistic Random Effects Lasso/Logistic Fixed Effects Lasso模型。

因此，在下面的示例代码中，我想让R知道我使用的是面板数据集，ID是我的个人/截面单位，year是我对每个ID的观察年份。在下面的代码中，所有的个体都被汇集在一起，我甚至在这个Logistic Lasso估计中获得了ID (和year)的系数。如何在R中估计逻辑随机效应套索/逻辑固定效应套索模型

df=cbind(c(1,546,2,56,6,73,4234,436,647,567,87,2,5,76,5,456,6756,6,132,78,32),c(2,3546,26,568,76,873,234,36,67,57,887,29,50,736,51,56,676,62,32,782,322),10:30)
year=rep(1:3, times=7)
ID=rep(1:7, each=3)
x=as.matrix(cbind(ID,year,df))
y1=as.data.frame(rep(c(0,1), each = 18))[1:21,]
y=as.matrix(y1)

fit=glmnet(x,y,alpha=1,family="binomial")
lambdamin=min(fit$lambda)
predict.glmnet(fit,s=lambdamin,newx=x,type="coefficients")

                        1
(Intercept) -8.309211e+01
ID           1.281220e+01
year         .           
            -2.339904e-04
             .           
             .           

Answer 1

对于lasso+FE，您可以首先通过遵循给定的逻辑来贬低回归的两边，例如here，然后通过glmnet运行lasso。

Lasso+random effects在数学上有点more complicated beast，不支持glmnet的开箱即用。有一个包可以做一个混合模型的套索here，但我还没有试过。