我想估计一个响应的协变量效应，其值取[0,1]中的值 . 也就是说，响应变量的值存在于0-1（包括）之间 . 我想使用Papke和Wooldridge（1996）描述的分数logit模型，见下文：

http://faculty.smu.edu/millimet/classes/eco6375/papers/papke%20wooldridge%201996.pdf

是否有R函数（或库）来促进分数logit模型的估计？我可以用某种方式修改 glm() 吗？

编辑的问题从这里开始

我很欣赏@Jibler的评论 - 这可以从分数logit模型得到估计的beta值 . 但是，正如@Ben指出的那样，鉴于此规范，将无法正确估计SE .

我认为这是一个更受欢迎的经济学模型，因此STATA期刊撰稿人对此进行了很好的讨论：http://fmwww.bc.edu/EC-C/S2013/823/EC823.S2013.nn06.slides.pdf http://www.stata.com/meeting/germany10/germany10_buis.pdf

我能够从Papke和Wooldridge 401k计划示例中获取数据（见下文） . 在我看来，至少在分数logit模型中的稳健性是通过方差的三明治估计 - Papke和Wooldridge的方程（9）得到的 . 也就是说，等式（10）继续展示如何通过将估计的 vcov 矩阵与标准 glm(...,family=binomial(link=logit)) 拟合乘以Pearson残差的估计来获得稳健性 .

Buis的幻灯片似乎使用参数vce（robust）实现了小数logit估计器的形式 . 这些与R中 sandwich() 函数的应用完全一致，与标准二项GLM相符 . 我假设，但我不确定，因为我只是 robust 的论点？如果有人拥有STATA并且可以检查这将有所帮助 . family=quasibinomial GLM给出的模型给出了略微不同的SE估计值 . 但它似乎也是分数logit模型的均值/方差参数的合理估计 .

下面是一些R代码，它复制了上面Buis文章中给出的数据拟合（它还显示了准二项式模型如何给出略微不同的SE估计）：

##
## Replicate what some STATA Journal editors call "fractional logit"
## get data from: "http://fmwww.bc.edu/repec/bocode/k/k401.dta" 
##
library(sandwich)
library(foreign)

X <- read.dta("F:/ProportionsDepVar/k401.dta")
class(X)
names(X)
dim(X)
X$totemp1 <- X$totemp/10000

glmfit <- glm(prate ~ mrate + totemp1 + age + sole, family=binomial(link=logit), data=X)
summary(glmfit)

##
## And the SE's are off here and biased large
## Use sandwich estimator instead
##
sand_vcov <- sandwich(glmfit)
sand_se <- sqrt(diag(sand_vcov))
robust_z <- glmfit$coef/sand_se
robust_z

##
## Quasi binomial fit is close to replicating SE's
##
flogit1 <- glm(prate ~ mrate + totemp1 + age + sole, family=quasibinomial(link=logit), data=X)
summary(flogit1)

所以...感谢@Ben提供有用的建议 . 我的观点是 family=quasibinomial 或 sandwich 库在估算R中的分数logit模型（由Papke和Wooldridge的等式（9）或（10）定义）中的鲁棒SE方面做得很好 . 如果这个结论不正确，请赞赏评论/批评 .

r glm economics