我想知道是否可以使用来自R中的plm包的plm函数来预测新的预测变量数据集 . 我用以下方法创建了一个模型对象：
model <- plm(formula, data, index, model = 'pooling')
现在我希望从新数据集中预测一个尚未用于估计模型的因变量 . 我可以通过使用模型对象中的系数来完成它，如下所示：
col_idx <- c(...)
df <- cbind(rep(1, nrow(df)), df[(1:ncol(df))[-col_idx]])
fitted_values <- as.matrix(df) %*% as.matrix(model_object$coefficients)
这样我首先定义模型中使用的索引列，并且由于col_idx中的共线性而丢弃列，并随后构建需要乘以模型中的系数的数据矩阵 . 但是，我可以通过手动删除列来更容易地发现错误 .
设计用于执行此操作的函数将使代码更具可读性 . 我也找到了pmodel.response（）函数，但我只能将其用于预测实际模型对象的数据集 .
任何帮助，将不胜感激！
1 回答
在使用
plm估算第一差异或固定效果模型后，我编写了一个函数（predict.out.plm）来进行样本预测 .该功能发布在这里：
https://stackoverflow.com/a/44185441/2409896