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。