R PLM落入虚拟变量陷阱——如何修复?
例如:R PLM落入虚拟变量陷阱——如何修复?,r,statistics,regression,economics,plm,R,Statistics,Regression,Economics,Plm,例如: 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$coef fem是固定效应模型(适用于plm),而lsdv是等效的最小二乘虚拟变量模型(适用于lm) 很
load(url('BROKEN LINK'))
head(sdat)
library(plm)
fem = plm(y~T+G:t,data=sdat,effect="twoways",model="within",index=c("ID","t"))
summary(fem)
lsdvm = lm(y~ID+T+G:t,data=sdat)
summary(lsdvm)
fem$coef
fem
是固定效应模型(适用于plm),而lsdv
是等效的最小二乘虚拟变量模型(适用于lm)
很明显,plm正在估算系数,事实上,这两个模型中的系数是相同的,因为它们应该是相同的。但当我总结结果时,plm遇到了困难,我很确定原因是timeXgroup固定效应,其中一些需要自动忽略,因为虚拟变量陷阱。(例如,lm似乎知道如何自动删除彼此精确线性组合的变量)
我该怎么做?我更喜欢使用plm,因为它的输出比每个横截面单元使用虚拟变量的lm要节省得多。您找到答案了吗?这看起来很相关,尽管我还没有运行您的代码来验证:这应该在最新版本的plm中修复。