R语言多分类固定效应回归技术咨询（fixest包feglm函数）

问题背景 #

我是R语言新手，尝试用fixest包的feglm函数做固定效应回归，代码如下：

reg<-feglm(diar~c1+c2+rural+c1rural+c2rural+religion+wealthindex+extendedfamily+genderchild+agechild+birthorder+factor(ageofmotherFE)+factor(surveyyearFE)+factor(divisionFE),data=d7,family="binomial",cluster=c('rural'))

数据集是DHS重复截面数据，目标是探究母亲教育对儿童健康的影响，变量详情：

• 因变量：二分类变量「孩子过去两周是否患腹泻」
• 自变量：c1（母亲队列1虚拟变量）、c2（母亲队列2虚拟变量）、rural（城乡虚拟变量）、c1rural/c2rural（交互项）、genderchild/agechild/birthorder（数值型）
• 控制变量：religion（虚拟变量）、wealthindex（分类变量）、extendedfamily（虚拟变量）
• 固定效应：母亲年龄、调查年份、地理分区

咨询问题 #

1. 我知道family不该设为binomial，那多分类回归对应的family参数是什么？
2. 当前模型写法对吗？已经了解bife和clogit但不适用，有没有其他合适的工具？

解答 #

问题1：多分类回归的family参数 #

先澄清：你的因变量是二分类（是/否腹泻），如果是真·多分类（3个及以上类别），fixest的feglm不支持多分类逻辑回归，它只支持二分类（binomial）、泊松、负二项这类指数族模型。

如果是你误判了因变量类型，那二分类场景下family="binomial"完全正确，不用改；如果确实是多分类，feglm做不了，得换工具。

问题2：模型正确性与替代工具 #

模型写法修正

当前模型有几个可以优化的地方：

• 固定效应写法：fixest推荐用|分隔自变量和固定效应，不用手动加factor()，代码更简洁高效，调整后如下：

  reg <- feglm(
    diar ~ c1 + c2 + rural + c1rural + c2rural + religion + wealthindex + extendedfamily + genderchild + agechild + birthorder | ageofmotherFE + surveyyearFE + divisionFE,
    data = d7,
    family = "binomial",
    cluster = "rural"
  )
  

• 聚类标准误：你用rural（城乡虚拟变量）做聚类，只有2个组的话，聚类标准误自由度极低，结果不可信，建议换成更细的地理单元（比如村庄编码）。
• 共线性检查：注意交互项c1rural/c2rural和主效应的共线性，确保队列变量有明确的基准组（比如c1、c2是互斥队列，要留一个未纳入的队列作为基准）。

替代工具

如果确实需要多分类固定效应回归，或者对fixest不满意，可考虑这些工具：

• mlogit包：支持多分类逻辑回归，但固定效应需要手动造虚拟变量，适合小数据集。
• glmmTMB包：支持多分类混合效应模型，能处理固定/随机效应，适配重复截面或面板数据。
• nnet包的multinom函数：基础多分类回归实现，同样要手动处理固定效应。

如果是二分类场景，fixest的feglm已经是高效的选择，修正写法和聚类变量即可。

内容的提问来源于stack exchange，提问作者Lamya