plm包如何处理固定效果 - 每个人一个假人或少一个人？-Java 学习之路

我目前正在尝试习惯plm包并尝试使用plm（）函数然后使用lm（）函数来制作具有单独效果的固定效果（仅为了做到这一点，请忽略错误指定） . 我发现当我在lm（）回归中为每个单独的N包含一个虚拟变量时，我只能复制plm（）回归的结果 . 据我所知，回归中应该只包含N-1个虚拟变量 . 有谁知道plm如何处理各个固定效果？时间固定效果btw也是如此 .

这是我的代码使用Grunwald 1958的示例数据（也包含在plm包中），请原谅相当笨拙的虚拟变量创建：

################################################################################
## Fixed Effects Estimation with plm() and lm() with individual effects
################################################################################
# Prepare R sheet
library(plm)
library(dplyr)

################################################################################
# Get data
data<-read.csv("http://people.stern.nyu.edu/wgreene/Econometrics/grunfeld.csv")
class(data)
data.tbl<-as.tbl(data)
#I = Investment
#F = Real Value of the Firm
#C = Real Value of the Firm's Capital Stock
################################################################################
# create firm (individual) dummies
firmdum<-rbind(matrix(rep(c(1,0,0,0,0,0,0,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,1,0,0,0,0,0,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,1,0,0,0,0,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,1,0,0,0,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,0,1,0,0,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,0,0,1,0,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,0,0,0,1,0,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,0,0,0,0,1,0,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,0,0,0,0,0,1,0),20),ncol = 10,byrow = T),
           matrix(rep(c(0,0,0,0,0,0,0,0,0,1),20),ncol = 10,byrow = T)
)
colnames(firmdum)<-paste("firm",c(1:10),sep = "")
firmdum.tbl<-tbl_df(firmdum)
firmdum.tbl<-sapply(firmdum.tbl, as.integer)

###############################################################################################
# Estimation with individual fixed effects (plm)
dataset<-tbl_df(cbind(data.tbl,firmdum.tbl))
est1<- plm(I ~ F + C, data = dataset, model = "within", effect = "individual")
summary(est1)
plot(residuals(est1))

# Replication with lm
individualeffects<-tbl_df(cbind(data.tbl,firmdum.tbl))
est2<-lm(I ~ . -1 -FIRM -YEAR, individualeffects)
summary(est2)
plot(residuals(est2))

# Now exclude 1 dummy (as should be done in fixed effects)
individualeffects<-tbl_df(cbind(data.tbl,firmdum.tbl))
est3<-lm(I ~ . -1 -FIRM -YEAR -firm1, individualeffects)
summary(est3)
plot(residuals(est3))

差异很小，但知道plm函数如何处理固定效果会很有趣 . 当我在模型上运行测试时遇到了一个问题，当我用lm（）包进行固定效果估计时不会出现问题，不包括一年和一个假人 . 我很感激任何帮助或建议！

1 回答

对于您的第3次估算（ est3 ），排除一个假人并排除截距将给出不同的结果 . 当模型中存在截距时，排除一个虚拟（取n-1个虚拟对象）的做法是有意义的，因为变量变为线性相关（如果你将所有虚拟列加起来，则得到所有1的列，即截距） . 如果没有拦截，你想要你模型中的所有假人：

est4 <- lm(I ~ . -1 -FIRM -YEAR, individualeffects)
summary(est4)

这（ est4 ）给出了与 plm() 方法相同的估计值 .

顺便说一句：使用一个因素让你更容易为你创造假人：

est5 <- lm(I ~ F + C + factor(FIRM), data = individualeffects)
summary(est5)

[...]

Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
(Intercept)     -70.29672   49.70796  -1.414    0.159    
F                 0.11012    0.01186   9.288  < 2e-16 ***
C                 0.31007    0.01735  17.867  < 2e-16 ***
factor(FIRM)2   172.20253   31.16126   5.526 1.08e-07 ***
factor(FIRM)3  -165.27512   31.77556  -5.201 5.14e-07 ***
factor(FIRM)4    42.48742   43.90988   0.968    0.334    
factor(FIRM)5   -44.32010   50.49226  -0.878    0.381    
factor(FIRM)6    47.13542   46.81068   1.007    0.315    
factor(FIRM)7     3.74324   50.56493   0.074    0.941    
factor(FIRM)8    12.75106   44.05263   0.289    0.773    
factor(FIRM)9   -16.92555   48.45327  -0.349    0.727    
factor(FIRM)10   63.72887   50.33023   1.266    0.207    
[...]

注意：没有 factor(FIRM)1 .

你所要求的复制品非常多 . 您还询问了如何在 plm 包中处理这个问题：不是通过引入虚拟变量，而是通过每个人的数据的含义，因为这是等价的（理论上是Frisch-Waugh-Lovell定理） .

回复于 2024-04-29T13:25:36+08:00

plm包如何处理固定效果 - 每个人一个假人或少一个人？

1 回答

相关问题