2

一个例子:

load(url('BROKEN LINK'))
head(sdat)
library(plm)
fem = plm(y~T+G:t,data=sdat,effect="twoways",model="within",index=c("ID","t"))
summary(fem)
lsdvm = lm(y~ID+T+G:t,data=sdat)
summary(lsdvm)
fem$coef

fem是固定效应模型(拟合 plm),lsdv是等效最小二乘虚拟变量模型(拟合 lm)

很明显 plm 正在估计系数,而且实际上两个模型中的系数是相同的,因为它们应该是相同的。但是当我去总结结果时,plm 很难,而且我很确定原因是 timeXgroup 固定效应,由于虚拟变量陷阱,其中一些需要自动省略。(例如,lm 似乎知道如何自动删除彼此精确线性组合的变量)。

我该如何解决这个问题?我更喜欢使用 plm,因为它提供的输出比 lm 更简洁,每个横截面单元都有虚拟变量。

4

0 回答 0