问题标签 [lfe]

几年后，我想回到Erlang/LFE工作。我做了一个小项目来学习这门语言。我无法使用rebar3 get-deps命令获取依赖项。

它遵循rebar.config，也可在此处获得。

我知道我引用了旧版本的LFE ...但是如果我删除所有 deps 并尝试再次添加它们：第一个失败的是clj. 但是，rebar.config在原始状态下，我在rebar3 get-deps. 在这里完成输出。

我检查了一个类似的问题和文档，但我仍然无法解决问题。

我的系统是macOS Catalina。它遵循Erlang环境版本： ERLANG 22.2.1、LFE 1.3、REBAR3 3.12.0。

全部安装brew. 如果需要更多详细信息，请告诉我。

我真的很感激任何帮助。

我需要为固定效应模型创建一个交互/边际效应图，包括使用 lfe“felm”命令生成的聚集标准误差。

我已经创建了一个实现这一点的函数。但是，在我开始使用它之前，我想仔细检查这个函数是否被正确指定。请在下面找到函数和可重现的示例。

示例输出如下所示：

很高兴有任何关于如何使它成为更好、“编码良好”、快速的功能的建议，以便以后对其他人更有用。但是，我主要是想首先确认它是否“正确”。

此外，我想与社区再次核对一些剩余的问题，特别是：

• 我可以使用我为“高”和“低”处理案例的平均边际效应生成的标准误差，还是我需要为这些案例生成不同的标准误差？如果有怎么办？

• 除了使用分析得出的标准误差，我还可以通过基于重复的数据子样本创建许多系数估计来计算自举标准误差。我将如何为高/低情况生成自举标准错误？

• 固定效应模型或具有聚集标准误差的固定效应模型是否存在使边际效应图或我在代码中所做的任何其他事情从根本上不可接受的东西？

PS.：上述函数和问题是如何在 felm() 函数之后绘制交互的边际效应的扩展

我正在使用 lfe-package 估计一个具有固定效应和聚集标准误差的模型。

事实证明，我有一个巨大的 t 值（23.317），但只有一个相对较小的 p 值（0.0273）。这似乎与我使用固定效果的投影有关。当我手动估计固定效应作为控制变量时，我的 p 值太小而无法报告 <2e-16 。

考虑以下工作示例（如果它比严格必要的复杂，我很抱歉，我正在尝试接近我的应用程序）：

我只是在估计 50 个时期内 10 个时间序列的汇总面板估计量。我假设时间序列中有两个集群。

第一个结果给了我

指标：x 3.8625 0.1657 23.317 0.0273 *

第二个结果2给了我

指标：x 3.86252 0.20133 19.185 < 2e-16 ***

所以肯定和固定效应的投射有关，但是这个差别太大了，我想多了解一下。有人知道这里的根本问题是什么吗？

我正在尝试使用 fixst 包中的 feols 函数循环一组因变量。在使用 lm 或在 lfe::felm 中，我只需使用 get() 函数。使用 fixst，我收到一个错误。为什么会这样，有没有办法绕过它？这是一个可重现的示例：

我正在尝试使用不同的包和技术重现面板数据的固定效应系数：(1) plm()、(2) lfe()、(3) dummy-lsdv withlm()和 (4) demeaned-fe with lm()。

我的数据集包含 1581 个观察值和 13 个变量。它是 3 波 (var = wave) 中 527 名受访者 (var = 受访者) 的调查数据。我有一个 DV（y）和 10 个 IV（x1 到 x10）。

数据集如下所示：

我的问题：plm()当我使用 (1) 、 (2)lfe()和 (3) dummy-lsdv 执行固定效应回归时lm()，模型总是返回相同的系数。但是，当我使用 (4) 贬低数据和包执行固定效应回归时lm()，我得到不同的系数。这让我很困惑，我想知道：为什么？

这是我的代码：

1 plm().：

输入：

输出：

2 lfe().：

输入：

输出：

3. LSDV lm()：

输入：

输出：

4.贬低FE lm()：

输入：

输出：

更多信息：
我已经执行了这些检查：

• 我使用了其他方式来贬低数据，例如demean()函数。--> 与 4 中的结果相同。
• 我已经手动计算了一些贬低的数据，它产生的结果与ave()和demean()函数相同。
• 我玩过这个na.action选项，因为我希望这个问题可能是由于对缺失值的不同处理造成的。但这并没有改变结果。
• 我曾经as_factor在 (4) 贬低 fe 模型中包含了受访者变量。喜欢：model_dmd <- lm(y ~ 0 + as_factor(respondent) + x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10, data = dataset_demeaned)。这种方法再现了正确的系数。然而，贬低应该已经考虑到未观察到的异质性，因此包含假人似乎是多余的。

所以我最好的猜测是，问题不是来自贬低的过程，而是来自lm()功能。unbalanced也许面板在这里起作用的事实？

我非常感谢任何建议和解释！

解决方案：

感谢@G.Grothendieck，我可以在这里发布解决方案。(4) Demeaned FE with 的正确代码lm()应为：

输入：

输出：

我正在尝试整理我的固定效应线性回归模型的结果。这是FELM：

这是我用来整理这些结果和错误消息的代码：

我已经更新了 RStudio，以及 lfe、broom 和 tidytext 包。我的理解是 tidy 函数应该整理 felm 对​​象，并且 tidy.felm 函数不再存在。

如何对 felm 对​​象使用 tidy 功能？而且，如果我无法使用该功能，我还可以使用什么其他功能来整理我的 FELM？

我正在运行具有不同固定效果的 OLS 回归，为了处理这些，我使用了 felm 包。我的回归还包括一些分类变量和虚拟变量，我在方程中指定为“因子（x）”。查看输出时，我有分类变量的所有值的估计系数。使用 lm 时，仅估计值 == 1（或 0）的系数，而不是两者。我对如何解释这些系数感到困惑。在 felm 估计中包含分类变量有什么问题吗？

谢谢。

我为我的数据集中的两个组运行两个单独felm的（来自lfe包）模型。请注意，我需要为每个组运行两个单独的模型；我无法通过为组创建分类变量来运行一个模型。

我在两个模型中都有一个交互项。现在我想比较模型中交互项的系数。我尝试使用anova函数，但它向我显示以下错误 -

有人知道我如何比较函数中不同模型的系数felm吗？

对于 econ_sit 和 educ_cat 之间的每次交互，我已经毫无问题地运行了这个回归，并且我得到了 4 个系数。Econ_sit 是一个连续变量，educ_cat 是一个从 1 到 6 的分类变量。我怎样才能以一种好的方式仅为交互项绘制系数？

这是我的数据的样子：

我尝试plot_model使用以下代码简单地运行：

但是我只得到错误，因为该felm函数与“pred”不兼容：

关于如何绘制交互项的任何建议？

提前致谢！