具有边际效应的R中的OLS

我正在寻找一个代码，用panal数据将以下等式估计为OLS：

∆Yjt=α∆Xjt+τt+ujt

在哪里∆ 是Y和X随时间的变化，j是扇区，t是时间，τ是一组时间模型，u是误差项

我是R编程的初学者，不幸的是我找不到合适的代码来考虑∆.

有人知道我如何进行回归吗

---

谢谢你的时间和帮助

欢迎你，丽莎·玛丽。正如杰里米所指出的那样，试试

plm

。它提供了一些示例数据。我假设“具有面板数据的OLS”意味着合并回归？将其与固定效果回归进行比较：

library("plm")
data("Produc", package = "plm")

# Pooled Regression    
pooled <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="pooling")

# Fixed Effects Regression    
fe <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="within")

库（“plm”）
数据（“Produc”，package=“plm”）
#混合回归
欢迎光临，丽莎·玛丽。正如杰里米所指出的那样，试试
plm
。它提供了一些示例数据。我假设“具有面板数据的OLS”意味着合并回归？将其与固定效果回归进行比较：

library("plm")
data("Produc", package = "plm")

# Pooled Regression    
pooled <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="pooling")

# Fixed Effects Regression    
fe <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="within")

库（“plm”）
数据（“Produc”，package=“plm”）
#混合回归
我对这个问题的解决方案是：
我计算了变化∆ 使用tidyverse，能够轻松解决问题

Marco使用log的解决方案会更简单，但因为我必须处理负值，所以无法使用它

谢谢大家的帮助
 我对这个问题的解决方案是：
我计算了变化∆ 使用tidyverse，能够轻松解决问题

Marco使用log的解决方案会更简单，但因为我必须处理负值，所以无法使用它

谢谢大家的帮助
 也许最好也问一下关于交叉验证的问题，请提供一些数据。我的理解是，通过记录Y和x变量，可以得出这个等式，但我不确定，如果您搜索
plm
包，然后查看“第一个差异”模型，您应该能够找到如何做到这一点。或者，您可以使用plm和first difference的数据和引用重新发布该问题。也可以在交叉验证中提出该问题，请提供一些数据。我的理解是，通过记录Y和x变量，您可以得出该等式，但如果您搜索
plm
包，我不确定这一点，然后研究“第一个差异”模型，你应该能够找到如何做到这一点。或者，您可以使用plm和first difference的数据和参考资料重新发布问题。