問題タブ [lfe]

lfe-package を使用して、固定効果とクラスター化された標準誤差を持つモデルを推定しています。

結局のところ、t 値は非常に大きい (23.317) のですが、p 値は比較的小さい (0.0273) だけです。これは、固定効果の投影を使用していることと関係があるようです。固定効果を制御変数として手動で推定すると、p 値が小さすぎて <2e-16 と報告できません。

次の作業例を考えてみましょう (厳密に必要以上に複雑な場合は申し訳ありません。アプリケーションに近づけようとしています)。

50 期間にわたる 10 の時系列のプールされたパネル推定量を単純に推定しています。そして、時系列に 2 つのクラスターがあるとします。

最初の結果は私に与えます

指標:x 3.8625 0.1657 23.317 0.0273 *

2番目の結果2は私に与えます

指標:x 3.86252 0.20133 19.185 < 2e-16 ***

ということは、固定効果の出っ張りに関係しているに違いないのですが、この差があまりにも大きいので、もう少し詳しく知りたいと思います。根本的な問題がここにあることを誰かが知っていますか?

さまざまなパッケージと手法を使用して、パネル データの固定効果係数を再現しようとしています: (1) plm()、(2) lfe()、(3) dummy-lsdv with lm()、および (4) demeaned-fe with lm()。

私のデータセットは、1581 個の観測値と 13 個の変数で構成されています。3 つの wave (var = wave) における 527 人の回答者 (var = Respondent) からの調査データです。1 つの DV (y) と 10 個の IV (x1 から x10) があります。

データセットは次のようになります。

私の質問: (1) plm()、 (2) lfe()、および (3) dummy-lsdv を使用して固定効果回帰を実行するとlm()、モデルは常に同じ係数を返します。ただし、(4) 劣化データとlm()パッケージを使用して固定効果回帰を実行すると、異なる係数が得られます。これは私を困惑させ、私は疑問に思います：なぜですか？

これが私のコードです：

1. plm():

入力：

出力：

2. lfe():

入力：

出力：

3. LSDV とlm():

入力：

出力：

4. FE の侮辱lm():

入力：

出力：

詳細:
私はすでにこれらのチェックを実行しました:

• 関数など、データを侮辱するために他の方法を使用しましたdemean()。--> 4 と同じ結果。
• 卑劣なデータの一部を手で計算したところave()、関数およびdemean()関数と同じ結果が得られました。
• このna.actionオプションをいじってみたのは、欠損値の別の処理が原因で問題が発生する可能性があることを願っていたからです。しかし、結果は変わりませんでした。
• 私はかつてas_factor、(4) 卑劣な fe モデルに回答者変数を含めました。のように: model_dmd <- lm(y ~ 0 + as_factor(respondent) + x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10, data = dataset_demeaned)。このアプローチにより、正しい係数が再現されました。ただし、侮辱は観察されていない異質性をすでに処理する必要があるため、ダミーを含めることは冗長に思えます。

したがって、私の最善の推測は、問題は侮辱のプロセスからではなく、lm()機能から生じるということです. パネルがunbalancedここで役割を果たしているという事実でしょうか？

提案や説明にとても感謝しています！

解決策:

@G.Grothendieck のおかげで、ここに解決策を投稿できます。(4) Demeaned FE with with の正しいコードは次のlm()ようになります。

入力：

出力：