R 中 Stata 的 xtlogit (fe, re) 等效项？

Stata 允许通过以下方式指定逻辑回归的固定效应和随机效应xtlogit http://www.stata.com/manuals13/xtxtlogit.pdf fe and xtlogit http://www.stata.com/manuals13/xtxtlogit.pdf重新发出相应的命令。我想知道 R 中这些规范的等效命令是什么。

我知道的唯一类似的规范是混合效应逻辑回归

mymixedlogit <- glmer(y ~ x1 + x2 +  x3 + (1 | x4), data = d, family = binomial)

但我不确定这是否映射到上述任何命令。

The glmer命令用于快速拟合具有不同截距和不同斜率的逻辑回归模型（或者等效地，具有固定效应和随机效应的混合模型）。

要在 R 中拟合变化截距多级逻辑回归模型（即随机效应逻辑回归模型），您可以使用内置的“mtcars”数据集运行以下命令：

data(mtcars)
head(mtcars)
m <- glmer(mtcars$am ~ 1 + mtcars$wt + (1|mtcars$gear), family="binomial")
summary(m)   

# and you can examine the fixed and random effects
fixef(m); ranef(m)

为了在 Stata 中拟合变截距斜率模型，您当然可以使用 xtlogit 命令（使用 Stata 中类似但不相同的内置“自动”数据集）：

sysuse auto
xtset gear_ratio
xtlogit foreign weight, re

我要补充一点，我发现对“固定”效应与“随机”效应的整个引用含糊不清，我更喜欢参考模型本身的结构（例如，截距是否变化？哪些斜率变化（如果有）？模型嵌套在 2 个或更多级别中？这些级别是否交叉分类？）。对于类似的观点，请参阅 Andrew Gelman 的thoughts http://andrewgelman.com/2005/01/25/why_i_dont_use/关于“固定”效应与“随机”效应。

更新：Ben Bolker 下面的精彩评论指出，在 R 中使用时可以提供更多信息predict命令来使用data=mtcars选项而不是美元符号：

data(mtcars)
m1 <- glmer(mtcars$am ~ 1 + mtcars$wt + (1|mtcars$gear), family="binomial")
m2 <- glmer(am ~ 1 + wt + (1|gear), family="binomial", data=mtcars)
p1 <- predict(m1); p2 <- predict(m2)
names(p1) # not that informative...
names(p2) # very informative!