200万の回帰を実行しただけ-統合された可能性

私は現在、「I Just Ran 200 illion Regressions」というタイトルの人気のある論文で使用されている方法を実装しようとしています。その背後にある基本的な考え方は、モデルに含める必要のあるコントロールが明確でない特定のケースがあるということです。このような場合にできることの1つは、ランダムにコントロールを描画し、何百万もの異なる回帰を実行してから、対象の変数がどのように反応したかを確認することです。すべての仕様で一般に同じ符号を持つ場合、符号が常に変化する変数よりも堅牢であると考えることができます。

ほとんどの論文は非常に明確です。ただし、このペーパーでは、これらすべての異なる回帰に次のように重みを付けています。特定の仕様の統合された尤度を、すべての仕様のすべての統合された尤度の合計で割ります。

私が抱えている問題は、統合された尤度が、実行したいOLS回帰にどのように関連しているかがわからないことです（スタタで）。「スタタ統合尤度」などのグーグルトピックは、混合効果のロジスティック回帰などに遭遇し続けているため、行き止まりになっています。これらのモデルは複雑すぎて理解できないと自白しています。

私の現在の回避策は、私が理解している（種類の）理解している文献で使用されているさまざまな重み付けスキームがあることです。たとえば、尤度比インデックスに基づいて各回帰に重みを付けることができます。lriを重みとして使用するRパッケージもあります。もちろん、オリジナルも実装したいと思います。

何かアドバイス？

紙のリンク：http : //down.cenet.org.cn/upfile/34/2009112141315178.pdf

OLSの場合でも、尤度関数（Christoph Hanckがコメントで言及しているように、指数対数尤度）を計算できます。古き良きです。スタタはこれを使用して回帰を実行した後にこれを保存します$L_i = \prod_i (2\pi \sigma^2)^{-.5} \exp(-.5 (y_i - x_i\beta)^2)$e(ll)regress

次に、として重みを作成します。$w_i = \frac{L_i}{\sum_j L_j}$

最後に、を重みとして使用して、回帰係数の加重平均を作成します。$w_i$