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具有边际效应的R中的OLS,r,regression,marginal-effects,R,Regression,Marginal Effects,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", pa
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。