面板数据PLM线性概率模型计算ROC/AUC报错问题咨询

问题背景 #

我持有102个国家约20-40年（依国家不同存在差异）的对外资产面板数据，试图基于log(total_liabilities)预测金融危机发生概率，验证外资及其他资本头寸增长是否有助于危机预判。
我首先构建PLM模型对危机哑变量进行回归，代码如下：

plm1 <- plm(crisis ~ log_total_liabilities + lag1_log_tot_lia + lag2_log_tot_lia + lag3_log_tot_lia
                        + factor(year) + factor(country), data = dt2, index=c("year", "country"), model="pooling")
summary(plm1)

为评估模型预测能力，我尝试基于回归结果生成ROC曲线和AUC值，运行代码如下：

# 绘制真正率随假正率变化的ROC曲线
pred1 <- predict(plm1)
pred2 <- prediction(pred1,as.numeric(plm1$crisis))
plot(performance(pred2,"tpr","fpr"), las=0, main="plm1")

运行后收到报错，德语翻译为“参数/变量不匹配”或“所有参数/变量长度需一致”。我将pred1代码修改为pred1 <- predict(plm1, dt2)（dt2为我的数据框，包含部分未参与plm1回归的变量），又收到新报错：“预测结果格式无效，无法强制转换为列表”。
我想咨询：PLM模型本身不支持ROC计算吗？如果不支持，为何我附上的论文中给出了带固定效应的线性概率模型的AUROC值？如果支持，我的操作哪里存在问题？

问题解答 #

核心结论 #

PLM模型完全支持后续计算ROC/AUC，论文中带固定效应的线性概率模型可输出AUROC值属于常规操作：ROC/AUC的计算仅需要真实分类标签和对应的预测评分两个等长序列，和你用什么工具跑回归没有关联，线性概率模型输出的预测值即使超出0-1区间也不影响排序逻辑，可正常计算AUROC。

报错原因 #

1. 第一次报错（参数长度不匹配）：plm模型的返回对象不会直接存储原始被解释变量列，你调用plm1$crisis实际返回的是NULL，和预测值pred1长度不一致触发报错。
2. 第二次报错（预测结果格式无效）：plm包的predict方法对新数据的输入格式有严格要求，你的dt2中存在回归时被剔除的缺失值样本、或因子变量（year、country）存在训练集没有的水平，都会导致预测输出格式异常。

修正代码 #

# 提取回归实际使用样本的真实危机标签
real_crisis <- as.numeric(plm1$model$crisis)
# 提取训练集样本的预测值
pred_score <- predict(plm1)
# 验证两者长度一致，正常应返回TRUE
length(pred_score) == length(real_crisis)
# 生成ROC对象（使用ROCR包）
roc_pred <- prediction(pred_score, real_crisis)
# 绘制ROC曲线
plot(performance(roc_pred, "tpr", "fpr"), las=1, main="双向固定效应线性概率模型ROC曲线")
# 提取AUC值
auc_val <- performance(roc_pred, "auc")@y.values[[1]]
cat("模型AUC值为：", round(auc_val, 4), "\n")

注意事项 #

• 如果需要做样本外预测，要提前清洗测试集：确保所有回归用到的变量无缺失，且year、country的因子水平和训练集完全一致。
• 线性概率模型存在预测值超出0-1区间的问题，仅做危机预警的排序效果评估时可直接使用AUROC，若需要输出准确概率建议改用面板Logit/Probit模型。

内容的提问来源于stack exchange，提问作者Julius Ritter