4

我将以下面板存储在df：

状态 区 年 是的 持续的 x1 x2 时间
0 01 01001 2009 12 1 0.956007 639673 1
1 01 01001 2010 20 1 0.972175 639673 2
2 01 01001 2011 22 1 0.988343 639673 3
3 01 01002 2009 0 1 0 33746 1
4 01 01002 2010 1 1 0.225071 33746 2
5 01 01002 2011 5 1 0.450142 33746 3
6 01 01003 2009 0 1 0 45196 1
7 01 01003 2010 5 1 0.427477 45196 2
8 01 01003 2011 9 1 0.854955 45196 3
  • y是每个地区的抗议数量
  • constant是一列充满的
  • x1是移动网络提供商覆盖的地区区域的比例
  • x2是各区的人口数（注意是时间固定的）

如何在 Python 中运行以下模型？ 模型

这是我尝试过的

# Transform `x2` to match model
df['x2'] = df['x2'].multiply(df['time'], axis=0)
# District fixed effects
df['delta'] = pd.Categorical(df['district'])
# State-time fixed effects
df['eta'] = pd.Categorical(df['state'] + df['year'].astype(str))
# Set indexes
df.set_index(['district','year'])

from linearmodels.panel import PanelOLS
m = PanelOLS(dependent=df['y'], exog=df[['constant','x1','x2','delta','eta']])

ValueError: exog 没有完整的列排名。如果您希望继续进行模型估计而不考虑系数估计的数值精度，您可以设置 rank_check=False。

我究竟做错了什么？

4

1 回答 1

4

我翻遍了文档，结果证明解决方案非常简单。

设置索引并将固定效果列转换为pandas.Categorical类型后（参见上面的问题）：

# Import model
from linearmodels.panel import PanelOLS

# Model
m = PanelOLS(dependent=df['y'],
             exog=df[['constant','x1','x2']],
             entity_effects=True,
             time_effects=False,
             other_effects=df['eta'])
m.fit(cov_type='clustered', cluster_entity=True)

也就是说，不要将您的固定效果列传递给 exog.

您应该将它们传递给entity_effects(boolean)、time_effects(boolean) 或other_effects(pandas.Categorical)。

于 2021-09-21T01:24:18.083 回答