R 利用固定效应进行预测

我有一个简单的数据集，我应用了一个简单的线性回归模型。现在我想使用固定效应对模型进行更好的预测。我知道我也可以考虑做哑变量，但是我的真实数据集包含了更多的年份，并且有更多的变量，所以我不想做假人。 我的数据和代码与此类似：

data <- read.table(header = TRUE, 
                   stringsAsFactors = FALSE, 
                   text="CompanyNumber ResponseVariable Year ExplanatoryVariable1 ExplanatoryVariable2
                   1 2.5 2000 1 2
                   1 4 2001 3 1
                   1 3 2002 5 7
                   2 1 2000 3 2
                   2 2.4 2001 0 4
                   2 6 2002 2 9
                   3 10 2000 8 3")

library(lfe)
library(caret)
fe <- getfe(felm(data = data, ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 | Year))
fe
lm.1<-lm(ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2, data=data)                                   


prediction<- predict(lm.1, data) 
prediction

check_model=postResample(pred = prediction, obs = data$ResponseVariable)
check_model

---

这里有一些关于您的设置和正在运行的模型的额外注释

正在拟合的主要模型是

lm.1<-lm(ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2, data=data) 

在这个模型上运行

predict

函数时，您会得到

> predict(lm.1)
       1        2        3        4        5        6        7 
2.060385 3.439410 6.164590 3.631718 1.659333 4.192205 7.752359 

这对应于计算（观察1）：0.8901+1*0.7857+2*0.1923，因此预测中使用了估计的固定效应。

felm

模型稍微复杂一些，因为它“排除”了年份成分。模型拟合如图所示

> felm(data = data, ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 | Year)
ExplanatoryVariable1 ExplanatoryVariable2 
              0.9726               1.3262 

现在，这对应于

年的“校正”或条件反射，因此，如果适合，您将得到相同的结果

> lm(data = data, ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 + factor(Year))

Call:
lm(formula = ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 + 
    factor(Year), data = data)

Coefficients:
         (Intercept)  ExplanatoryVariable1  ExplanatoryVariable2      factor(Year)2001  
             -2.4848                0.9726                1.3262                0.9105  
    factor(Year)2002  
             -7.0286  

然后扔掉所有的解释变量的系数。因此，您无法从
felm
中提取固定效果并获得预测（因为您缺少截距和全年效果）-您只能看到效果大小

希望这有帮助。
预测功能应该使用模型的固定效果。你问“但它似乎与固定效果不匹配”是什么意思？它怎么不匹配？可能不是你问题的核心，但我得到了一个错误：找不到函数“postResample”，虽然这可能会改变你所说的“固定效果”，但你可以只在lm中添加年份？即：lm（ResponseVariable~ExplanatoryVariable1+ExplanatoryVariable2+Year，data=data）。你认为使用lfe你会得到一个有实际意义的预测吗？fe发现了2000年到2002年的固定效应。但我不知道如何在我的预测中使用这些固定效应。所以“匹配”实际上是指如何在预测中使用固定效应，以便在2000年的数据中考虑2000年的固定效应。@dca，我认为postResample（）来自库（插入符号）。
> felm(data = data, ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 | Year)
ExplanatoryVariable1 ExplanatoryVariable2 
              0.9726               1.3262 

> lm(data = data, ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 + factor(Year))

Call:
lm(formula = ResponseVariable ~ ExplanatoryVariable1 + ExplanatoryVariable2 + 
    factor(Year), data = data)

Coefficients:
         (Intercept)  ExplanatoryVariable1  ExplanatoryVariable2      factor(Year)2001  
             -2.4848                0.9726                1.3262                0.9105  
    factor(Year)2002  
             -7.0286