R Fixest软件包:无进一步外生变量的IV估计
我打算使用fixest软件包的feols函数运行具有固定效应的工具变量回归。但是,我在语法上遇到了一些问题,在没有进一步外部控制的情况下指定了一个估计值 考虑以下示例:R Fixest软件包:无进一步外生变量的IV估计,r,regression,panel-data,R,Regression,Panel Data,我打算使用fixest软件包的feols函数运行具有固定效应的工具变量回归。但是,我在语法上遇到了一些问题,在没有进一步外部控制的情况下指定了一个估计值 考虑以下示例: # Load package require("fixest") # Load data df <- airquality 但是,这会产生一个错误: The dependent variable is a constant. Estimation cannot be done. 只有当我在文档示例
# Load package
require("fixest")
# Load data
df <- airquality
但是,这会产生一个错误:
The dependent variable is a constant. Estimation cannot be done.
只有当我在文档示例中添加更多的外部协变量时,它才起作用:
feols(Temp ~ Solar.R | Month + Day | Ozone ~ Wind, df)
我该如何解决这个问题?在没有进一步控制的情况下,如本例中的Solar.R,如何运行估算
注意:我在堆栈溢出上发表了这篇文章,而不是交叉验证,因为这个问题与编码语法问题有关,而不是与估算背后的计量经济技术有关。实际上,似乎对如何编写公式存在误解 语法是:Dep_var~Exo_vars | Fixed effects | Endo_vars~Instruments 零件固定效果和Endo_vars~仪器是可选的。另一方面,带有Exo_变量的部件必须始终存在,即使只有截距 了解到这一点,以下工作将起作用:
base = iris
names(base) = c("y", "x1", "x_endo", "x_inst", "fe")
feols(y ~ 1 | x_endo ~ x_inst, base)
#> TSLS estimation, Dep. Var.: y, Endo.: x_endo, Instr.: x_inst
#> Second stage: Dep. Var.: y
#> Observations: 150
#> Standard-errors: Standard
#> Estimate Std. Error t value Pr(>|t|)
#> (Intercept) 4.345900 0.08096 53.679 < 2.2e-16 ***
#> fit_x_endo 0.398477 0.01964 20.289 < 2.2e-16 ***
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 0.404769 Adj. R2: 0.757834
#> F-test (1st stage): stat = 1,882.45 , p < 2.2e-16 , on 1 and 148 DoF.
#> Wu-Hausman: stat = 3.9663, p = 0.048272, on 1 and 147 DoF.
# Same with fixed-effect
feols(y ~ 1 | fe | x_endo ~ x_inst, base)
#> TSLS estimation, Dep. Var.: y, Endo.: x_endo, Instr.: x_inst
#> Second stage: Dep. Var.: y
#> Observations: 150
#> Fixed-effects: fe: 3
#> Standard-errors: Clustered (fe)
#> Estimate Std. Error t value Pr(>|t|)
#> fit_x_endo 0.900061 0.117798 7.6407 0.016701 *
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 0.333489 Adj. R2: 0.833363
#> Within R2: 0.57177
#> F-test (1st stage): stat = 44.77 , p = 4.409e-10, on 1 and 146 DoF.
#> Wu-Hausman: stat = 0.001472, p = 0.969447 , on 1 and 145 DoF.
回到原始示例:
feolsTemp |月+日|臭氧~风,df表示因变量为温度|月+日|臭氧,此处管道表示逻辑OR,导致所有观测值为1。因此出现了错误消息。
要修复它并获得适当的行为,请使用feolsTemp~1 |月+日|臭氧~风,df。
实际上,在如何编写公式方面似乎存在误解 语法是:Dep_var~Exo_vars | Fixed effects | Endo_vars~Instruments 零件固定效果和Endo_vars~仪器是可选的。另一方面,带有Exo_变量的部件必须始终存在,即使只有截距 了解到这一点,以下工作将起作用:
base = iris
names(base) = c("y", "x1", "x_endo", "x_inst", "fe")
feols(y ~ 1 | x_endo ~ x_inst, base)
#> TSLS estimation, Dep. Var.: y, Endo.: x_endo, Instr.: x_inst
#> Second stage: Dep. Var.: y
#> Observations: 150
#> Standard-errors: Standard
#> Estimate Std. Error t value Pr(>|t|)
#> (Intercept) 4.345900 0.08096 53.679 < 2.2e-16 ***
#> fit_x_endo 0.398477 0.01964 20.289 < 2.2e-16 ***
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 0.404769 Adj. R2: 0.757834
#> F-test (1st stage): stat = 1,882.45 , p < 2.2e-16 , on 1 and 148 DoF.
#> Wu-Hausman: stat = 3.9663, p = 0.048272, on 1 and 147 DoF.
# Same with fixed-effect
feols(y ~ 1 | fe | x_endo ~ x_inst, base)
#> TSLS estimation, Dep. Var.: y, Endo.: x_endo, Instr.: x_inst
#> Second stage: Dep. Var.: y
#> Observations: 150
#> Fixed-effects: fe: 3
#> Standard-errors: Clustered (fe)
#> Estimate Std. Error t value Pr(>|t|)
#> fit_x_endo 0.900061 0.117798 7.6407 0.016701 *
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 0.333489 Adj. R2: 0.833363
#> Within R2: 0.57177
#> F-test (1st stage): stat = 44.77 , p = 4.409e-10, on 1 and 146 DoF.
#> Wu-Hausman: stat = 0.001472, p = 0.969447 , on 1 and 145 DoF.
回到原始示例:
feolsTemp |月+日|臭氧~风,df表示因变量为温度|月+日|臭氧,此处管道表示逻辑OR,导致所有观测值为1。因此出现了错误消息。
要修复它并获得适当的行为,请使用feolsTemp~1 |月+日|臭氧~风,df。
谢谢我看到Exo_vars论点似乎是强制性的。但我不知道如何克服它。很高兴知道插入1可以解决问题。顺便说一句,包装很好。是的,那是没办法的。谢谢谢谢我看到Exo_vars论点似乎是强制性的。但我不知道如何克服它。很高兴知道插入1可以解决问题。顺便说一句,包装很好。是的,那是没办法的。谢谢