R 具有时间固定效应的PPML包装重力

我试图在R中的PPML回归中加入时间固定效应（使用model.matrix生成多年的假人）

如果没有时间固定效应，则回归为：

require(gravity)
my_model <- PPML(y="v", dist="dist", 
            x=c("land","contig","comlang_ethno",
            "smctry","tech","exrate"), 
            vce_robust=T, data=database)

require（重力）
my_model只需确保
年份
是一个因素，然后您就可以使用简单的
glm
-函数作为

glm（y~dist+年份，family=“quasipoisson”）

这将为您提供带有
年份
的模拟结果/固定效果。然后使用以下公式计算鲁棒SE：

lmtest:：coeftest（EstimationResults.PPML，vcov=sandwich:：vcovHC（model.PPML，“HC1”））

PPML
函数没有其他功能，只是不够灵活。
我会对前面的答案发表评论，但没有足够的声誉。PPML命令中的重力模型指定v=dist×exp（land+contig+comlang\u ethno+smctry+tech+exrate+TimeFE）=exp（log（dist）+land+contig+comlang\u ethno+smctry+tech+exrate+TimeFE）

glm
中的公式应将指数中的变量作为其RHS，因为它表示链接函数（泊松默认值为自然对数）产生的线性预测值。总之，你的命令应该是

glm(v ~ log(dist) + land + contig + comlang_ethno + smctry + tech + exrate + factor(year), 
      family='quasipoisson')

特别是，您需要在RHS上记录距离（与前面的答案不同）。
除了
PPML
和
glm
之外，您还可以使用函数
femlm
（来自包
FENmlm
）解决问题，该函数处理最大似然模型的固定效应估计

功能
femlm
的两个主要优点是：


您可以根据需要添加任意多个固定效果，并单独处理它们，从而导致计算时间，而无需与glm进行比较（特别是当固定效果包含许多类别时）

标准错误可以通过直观的命令聚集在一起


下面是一个关于您的问题的示例（只有两个变量和年份固定效应）：

该代码估计变量
log（dist）
和
land
的系数，具有
year
固定效应；然后显示系数表，其中包含两个变量的聚集标准误差（w.r.t.
年
）

除了你最初的问题，现在假设你有一个更复杂的情况，有三个固定的影响：
country\u i
、
country\u j
和
年
。你会写：

res = femlm(v ~ log(dist) + land | country_i + country_j + year, base)

然后，您可以轻松地处理聚集的标准错误：

# Cluster w.r.t. country_i (default is first cluster encountered):
summary(res, se = "cluster") 
summary(res, se = "cluster", cluster = "year") # cluster w.r.t. year cluster
# Two-way clustering:
summary(res, se = "twoway") # two-way clustering w.r.t. country_i & country_j
# two way clustering w.r.t. country_i & year:
summary(res, se = "twoway", cluster = c("country_i", "year")) 

有关该软件包的更多信息，请访问

# Cluster w.r.t. country_i (default is first cluster encountered):
summary(res, se = "cluster") 
summary(res, se = "cluster", cluster = "year") # cluster w.r.t. year cluster
# Two-way clustering:
summary(res, se = "twoway") # two-way clustering w.r.t. country_i & country_j
# two way clustering w.r.t. country_i & year:
summary(res, se = "twoway", cluster = c("country_i", "year"))