R语言 面板数据分析 plm包实现(一) ——LSDV和固定效应模型

最新推荐文章于 2024-05-20 15:07:00 发布
最新推荐文章于 2024-05-20 15:07:00 发布
阅读量5.4w 收藏 386
点赞数 91
分类专栏： R 计量 文章标签： r语言 统计学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43718786/article/details/109094100
版权
R 同时被 2 个专栏收录
14 篇文章 22 订阅
订阅专栏
计量
6 篇文章 5 订阅
订阅专栏

系列文章

  1. R做面板数据分析：R语言 面板数据分析 plm包实现(一) ——LSDV和固定效应模型

  2. 如果想看随机效应模型怎么做，参见这篇文章
    R语言 面板数据分析 plm包实现（二）——随机效应模型

  3. 如果想看如何判断面板数据适用随机效应模型还是固定效应模型，参见这篇文章：
    R语言 面板数据分析 plm包实现（三）——面板数据与面板模型的检验

  4. 使用随机效应模型，且一些时间或个体存在数据缺失，应当使用Swamy Arora估计，如何用R语言来实现，参见这篇文章:
    R语言 面板数据如何做Swamy Arora估计。

  5. 如何从统计年鉴获知某地接受转移支付额度

目录

LSDV是虚拟变量回归。
看完这篇文章，如果对你有帮助，请帮我点个赞或者star哦~

1.安装plm包

可能会遇到错误：
在这里插入图片描述
采用这个指令进行安装：

install.packages("plm",type = "binary")
library(plm)

安装完成

2.模型描述

有数据集：Ex1_1.dta
数据样式：
点击下载在这里插入图片描述
其中FN代表公司，总共有三家；YR代表年份；I是总投资；F是企业实际价值；C是企业实际资本存量。

更多解释：
在这里插入图片描述

数据导入

这个数据集是stata的数据集，因此在Rstudio中你可以选择文件–>导入数据集（import dataset）–>导入stata文件，即可完成导入工作

此外，我好像在其它地方也看见过此数据集，如果你无法下载，可以在其它地方寻找数据集（我印象里是在某个面板相关的R程序包里自带的数据集）。

很多童鞋反映数据集获取困难，我把这个数据集上传到github的一个项目里了（免费），注意，只有一个文件是数据集。如果有帮到你，请给文章点个赞哦~

3.pool 模型

在这里插入图片描述
Pool模型本质上是对变量去整体均值后进行 OLS 估计，也可以用plm包提供功能实现
首先对数据进行处理使其变为data.frame

rankData<-pdata.frame(Ex1_1,index=c("FN","YR")) #index里是个体和时间，转化为面板数据
pool <- plm(I~ F + C,data=rankData,model="pooling")
summary(pool)

结果：
在这里插入图片描述
特别的，和OLS做对比

ols =  lm(I~ F + C,data=rankData)
summary(ols)

在这里插入图片描述

可见，结果是一样的，从软件结果进一步证实了数学推导，即忽略个体均值和时间差异的pool模型等价于OLS模型。

4.个体固定效应的Panel模型——不考虑时间差异，考虑公司差异的估计

在这里插入图片描述

4.1LSDV（虚拟变量OLS回归）模型

增加一个factor因子即可：
注意：factor-1才能展现出十家公司，因为事实上公司设置了虚拟变量

LSDV = lm(I~F+C+factor(FN)-1,data = Ex1_1)#factor-1才能展现出十家公司，因为事实上公司设置了虚拟变量
summary(LSDV)

结果：

在这里插入图片描述
解读：

  • F,C分别代表企业流通股票总价值和企业资本存量，此外还展示了 分别以十家公司做虚拟变量的估计结果，即不同公司是否显著影响企业的投资。

    即总共估计的参数是2+9共11个（9个虚拟变量是为了防止完全的多重共线性）
    可以使用

4.2组内模型（within）

rankData<-pdata.frame(Ex1_1,index=c("FN","YR"))#第一个参数是面板的个体，第二个参数是面板的时间
within <- plm(I~ F + C,data=rankData,effect = "individual",model="within")
#within组内方法，检验不同个体是否存在差异（忽视时间影响）
summary(within)

在这里插入图片描述
解读

  • 公司股票价值每增加一个单位，对企业投资的贡献为0.11个单位；公司实际资本存量每增加一个单位，对企业投资对贡献为0.31个单位，这两个解释变量对被解释变量对贡献程度为75.31%

可见，回归结果4.1和4.2相同，即LSDV（虚拟变量OLS回归）和within方法结果相同。

可以使用下面的函数打印偏离总体截距的情况（注意属于one-way model,关于one-way model 和two-way model 的区别，可以点击网页链接查看）

fixef(within)

在这里插入图片描述
如果想查看它们的标准误差以及与总体截距相等的检验等详细信息，可以这样做:

summary(fixef(within))

在这里插入图片描述
下面展示截距项类似，我就不再赘述

5 时间固定效应Panel模型——考虑时间差异忽略公司差异

在这里插入图片描述
采用组内模型进行估计（也可用4.1方法进行估计，把factor(……)中的参数FN改成YR即可，结果是一样的）

rankData<-pdata.frame(Ex1_1,index=c("FN","YR"))#第一个参数是面板的个体，第二个参数是面板的时间
within2 = plm(I~ F + C,data=rankData,effect = "time",model="within")
#within组内方法，检验不同时间是否存在差异（忽视个体影响）
summary(within2)

在这里插入图片描述

解读：

  • 用第4节中相似的办法可以解读

6.个体和时间双维固定效应模型–Panel数据

在这里插入图片描述

rankData<-pdata.frame(Ex1_1,index=c("FN","YR"))#第一个参数是面板的个体，第二个参数是面板的时间
within3 <- plm(I~ F + C,data=rankData,effect = "twoways",model="within")
#twoways参数既考虑个体效益，也考虑时间效应
summary(within3)

在这里插入图片描述

解读
解读类似上面。此外F，C的F检验都是显著的（F，C后面的三个星号*）。拒绝全为0的原假设。

7.可供参考的资料

从经管之家帖子看到的

R计量的不多，你下载下面的书去看面板的章节把
Applied Econometrics with R
伍德里奇的配套的书
Principles of Econometrics with R https://bbs.pinggu.org/thread-4805190-1-1.html

或者看 plm包的说明文件（个人不太推荐，感觉写的不清楚）
helphttps://www.jstatsoft.org/article/view/v027i02
https://cran.r-project.org/web/views/Econometrics.html

keep-hungry
关注
  • 91
    点赞
  • 踩
  • 386
    收藏
    觉得还不错? 一键收藏
  • 20
    评论
专栏目录
r语言 面板数据回归_在R语言中进行面板数据分析
weixin_39540178的博客
12-23 2314
在R语言中进行面板数据分析面板数据(PanelData)是截面数据与时间序列数据综合起来的一种数据类型。它有时间序列和截面两个维度，当这类数据按两个维度排列时，是排在一个平面上，与只有一个维度的数据排在一条线上有着明显的不同，整个表格像是一个面板,所以把paneldata译作“面板数据”。面板数据模型的选择通常有三种形式：第一种是混合估计模型(PooledRegressionModel)。...
利用R的plm包进行面板数据分析
weixin_45384012的博客
07-09 1632
模型估计 不平衡面板 Estimations by pim support unbalanced panel models. The following example is using data used by Harrison and Rubinfeld (1978) to estimate an hedonic housing prices function. It is reproduced in B. H. Baltagi and Chang (1994)，table 2 (and in B.
R语言-面板数据分析步骤及流程-
cxu123321的博客
09-11 9407
面板数据分析步骤及流程-R语言 2016年08月16日 16:49:55饭饭认认米阅读数 47093文章标签：r语言面板数据分析预测更多 分类专栏：R语言预测模型 版权声明：本文为博主原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/fanfanrenrenmi/article/deta...
用R语言进行数据分析
最新发布
weixin_72965820的博客
05-20 1209
本文介绍了如何使用r语言进行数据分析
经典的面板数据集(R语言包plm)
scc的博客
11-20 3846
R语言包plm内置的面板数据集1 Cigarette Consumption2 Crime in North Carolina3 Gasoline Consumption4 Grunfeld's Investment Data5 Wages and Hours Worked6 Wages and Education of Young Males7 Purchasing Power Parity and other parity relationships8 US States Production9 Pro
R语言面板数据篇（转）
11-18
面板数据 固定效应 个体效应 混合模型 应用手册
在R语言中进行面板数据分析.docx
03-13
在R语言中，面板数据分析是一种处理包含多个个体在多个时间点上观测数据的方法，这种数据类型结合了截面数据和时间序列数据的特性。面板数据的处理有助于挖掘隐藏的个体间和时间序列间的关联，提高统计效率并减少...
面板数据分析模型
01-20
Analysis of Panel Data(Second Edition) 作者：CHENG HSIAO University of Southern California；全书pdf共11章、非常清晰、可复制！
面板数据处理（自学）
10-05
包含的面板数据处理stata命令。包含连老师的课堂讲义适合自学。
R语言案例回归分析.pdf
04-13
使用R语言做多元应用回归模型案例，内置R语言代码。包含相关系数的可视化、回归诊断、变量选择、回归诊断。 版权声明：代码下载只能自己学习使用，切勿用于商业用途，违者必究。
within:R 实现最常用的三维固定效应面板数据模型适当的内估计量
07-06
在固定效应面板数据的估计量内 该软件包包括 R 函数到最常用的三维固定效应面板数据模型和基于 László Balázsi、László Mátyás 和 Tom Wansbeek (2014)：。 第 2014_1 号，中欧大学经济系 CEU 工作论文。 该软件包的最初目标是提供一种方法，可以在合理的时间内对商品硬件上的合理大型数据集进行所有必需的转换和估计。 这些算法在带有 8 Gb RAM 的笔记本电脑上进行了测试，用于 180 x 180 x 46 矩阵。 安装 该包还没有在 CRAN 上，但他的最新版本托管在，因此使用devtools包中的漂亮功能进行安装相当容易： library(devtools) install_github('within', 'daroczig') 或者下载的并手动构建。 为此，请将文件解压缩到一个空目录并在那里运行以下命令： R CMD bu
在R语言中进行面板数据分析.pdf
03-13
在R语言中进行面板数据分析是统计学和经济学领域常见的任务，尤其在研究具有时间序列和截面维度的数据集时。面板数据集包含了多个个体（如公司、国家等）在多个时间点上的观测值，这样的数据结构能提供丰富的信息，...
面板模型R和STATA代码.zip
05-24
R语言是一种广泛用于统计计算和图形绘制的开源编程语言，其在面板数据建模中提供了多个包，如plm（Panel Data Models）、lmtest、固定效应模型（fixest）等。通过R代码，你可以实现固定效应模型（Fixed Effects）、...
NLP 大语言模型的发展与现状分析 带领大家快速了解大语言模型的发展
08-16
内容概要：本文介绍了生成式大语言模型系列直播的第五期，主要讨论了预训练语言模型(PLM)的发展、Instruct tuning、RLHF等技术以及相关模型的性能和应用。 适用人群：对自然语言处理、人工智能和机器学习感兴趣的...
预训练语言模型 （PLM） 适应下游 NLP 任务的最新范例，它使用文本模板修改输入文本，并直接使用 PLM 执行预训练任务
07-02
预训练语言模型 （PLM） 适应下游 NLP 任务的最新范例，它使用文本模板修改输入文本，并直接使用 PLM 执行预训练任务。此库提供了一个标准、灵活且可扩展的框架来部署提示学习管道。OpenPrompt支持直接从拥抱面...
R语言与面板数据
weixin_46649908的博客
05-14 1894
R语言与面板数据
R语言回归与分类（五）-固定效应模型
m0_69490017的博客
09-18 1150
固定效应模型及其估计方法比较，R语言建立固定效应模型
r语言拟合面板数据模型以及相关的数据预处理和检验
05-24
拟合面板数据模型需要进行以下步骤： 1. 数据预处理 首先需要对数据进行清洗和转换，包括填充缺失值、删除异常值、转换数据类型等。然后，需要进行面板数据的转换，将数据按照个体和时间维度划分，转换为长格式或宽格式的面板数据。 2. 模型选择 选择适当的模型进行拟合，常用的面板数据模型包括固定效应模型、随机效应模型和混合效应模型等。选择模型要考虑数据的特点以及研究问题的需要。 3. 模型拟合 针对选择好的模型，使用R语言中的面板数据模型拟合函数进行模型拟合。其中，固定效应模型可以使用lm()函数，随机效应模型可以使用plm()函数，混合效应模型可以使用lme4()函数。 4. 模型诊断 对拟合好的模型进行诊断，包括检验模型的假设条件是否满足、检验模型的拟合程度，以及检验模型的预测能力等。 具体的代码实现可以参考以下示例： ```R # 导入面板数据 library(readxl) data <- read_excel("panel_data.xlsx") # 数据预处理 # 填充缺失值 data[is.na(data)] <- 0 # 删除异常值 data <- data[data$var1 < 100, ] # 转换数据类型 data$var1 <- as.numeric(data$var1) # 面板数据转换 library(tidyr) panel_data <- data %>% pivot_longer(cols = c("t1", "t2", "t3"), names_to = "time", values_to = "value") %>% pivot_wider(names_from = "id", values_from = "value") # 模型选择 library(plm) # 随机效应模型 model <- plm(var1 ~ var2 + var3, data = panel_data, index = c("id", "time"), model = "random") # 模型拟合 summary(model) # 模型诊断 # 检验假设条件是否满足 bptest(model) # 检验拟合程度 plot(model, type = "residuals") # 检验预测能力 predict(model, newdata = panel_data) ``` 需要注意的是，在实际应用中，还需要考虑其他因素对面板数据模型的影响，例如异方差性、序列相关等，需要进行相应的处理和检验。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 20
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值