使用Python线性模型的固定效果模型

对于使用linearmodels PanelOLS的多索引要求，我有点困惑。我正在尝试创建表单的模型 y=pidi+ridj+eij 其中e是误差项。 我的数据基本上如下所示：

在这种情况下，我基本上希望得到6个系数：p1，p2，p3，r1，r2，r3

设置：

import pandas as pd
df = pd.DataFrame()
df['pid'] = [1,1,1,2,2,2,3,3,3]
df['rid'] = [1,2,3,1,2,3,1,2,3]
df['y'] = [100,102,101,98,96,101,101,100,103]

尝试使用此选项：

from linearmodels.panel import PanelOLS
mod = PanelOLS(df.y, df[['pid','rid']], entity_effects=True)
res = mod.fit(cov_type='clustered', cluster_entity=True)

这给出了一个错误，说我需要一个2级多索引。我不确定这应该包括什么，所以非常感谢您的帮助

---

我尝试过将其更改为正常线性回归的方法，通过交叉制表符将数组设置为6个字段，并将值设置为1和0，但我的实际数据集有5000个p值和1000个r值。

嗨，Daniel，您只需通过在代码中添加以下行来创建适当的多索引：

import pandas as pd
df = pd.DataFrame()
df['pid'] = [1,1,1,2,2,2,3,3,3]
df['rid'] = [1,2,3,1,2,3,1,2,3]
df['y'] = [100,102,101,98,96,101,101,100,103]

df['individual'] = ['a','a','a','b','b','b','c','c','c']
df['time'] = [10,11,12,10,11,12,10,11,12]
df = df.set_index(['individual','time'])


from linearmodels.panel import PanelOLS
mod = PanelOLS(df.y, df[['pid','rid']], entity_effects=False)
res = mod.fit(cov_type='clustered', cluster_entity=True)
print(res.params)

pid    22.756410
rid    23.589744
Name: parameter, dtype: float64

---

这是因为面板的变量有多个索引X_it来识别它。

我有类似的困惑，但是，我想你可以试试：mod=PanelOLSdf.y，df['rid']，entity_effects=True，然后df['pid']不确定这是否正确，我在这里进行头脑风暴。