我有一个包含 8000 个集群和 400 万个观测值的数据集。不幸的是，我的统计软件 Stata 在使用其面板数据函数进行逻辑回归时运行相当缓慢：xtlogit即使使用 10% 的子样本。
但是，当使用非面板logit功能时，结果会更快出现。因此，我可能会受益于使用logit修改后的数据来解释固定效应。
我相信这个程序被称为“Mundlak 固定效应程序”（Mundlak, Y. 1978. Pooling of Time-Series and Cross-Section Data. Econometrica, 46(1), 69-85。）
我在Antonakis, J.、Bendahan, S.、Jacquart, P. 和 Lalive, R. (2010)的论文中找到了对该过程的直观解释。关于提出因果主张：审查和建议。领导季刊，21(6)。1086-1120。我引用：
解决遗漏固定效应问题并仍包含第 2 级变量的一种方法是在估计模型中包含所有第 1 级协变量的聚类均值（Mundlak，1978 年）。聚类均值可以作为回归量包含在内，也可以从级别 1 协变量中减去（即聚类均值居中）。集群均值在集群内是不变的（并且在集群之间有所不同），并且允许对 1 级参数进行一致的估计，就像包含了固定效应一样（参见 Rabe-Hesketh & Skrondal，2008）。
因此，聚类均值居中对于解决我的计算问题似乎是理想且实用的。然而，这些论文似乎面向线性回归（OLS）。
这种聚类均值居中方法是否也适用于“复制”固定效应二元逻辑回归？
应该得出相同答案的一个更具技术性的问题是：当数据集 B 是数据集 A 的聚类均值中心版本时，数据集 A 是否xtlogit depvar indepvars, fe等于数据集 B？logit depvar indepvars
我在这个聚类均值中心中发现的另一个困难是如何处理假人。因为虚拟变量是 0 或 1，它们在随机和固定效应回归中是否相同？他们不应该“居中”吗？