不平衡面板上一阶差分回归的残差

Question

我正在尝试使用 plm 来估计一些不平衡面板数据的一阶差分模型。我的模型似乎有效并且我得到了系数估计值，但我想知道是否有办法获得每次观察的残差（或拟合值）。

我有运行两个问题，我不知道如何将残差附加到与之相关的观察，而且我得到的残差数量似乎不正确。

如果我使用 model.name$residuals 从估计模型中检索残差，我得到的向量比 model.name$model.

require(plm)
X <- rnorm(14)
Y <- c(.4,1,1.5,1.3,1,4,5,6.5,7.3,3.7,5,.7,4,6)
Time <- rep(1:5,times=2)
Time <- c(Time, c(1,2,4,5))
ID <- rep(1:2,each=5)
ID <- c(ID,c(3,3,3,3))
TestData <- data.frame("Y"=Y,"X"=X,"ID"=ID,"Time"=Time)
model.name <- plm(Y~X,data=TestData,index = c("ID","Time"),model="fd")

> length(model.name$residuals)
[1] 11
> nrow(model.name$model)
[1] 14

（注意：ID=3 缺少对 t=3 的观察）

查看 model.name$model 我发现它包含所有观察值，包括 ID 的每个成员的 t=1。在一阶差分中，t=1 的观测值将被删除，因此在这种情况下，所有时间段的两个 ID 都应该有 4 个来自剩余时间段的残差。 ID=3 对于 t=2 应该有一个残差，none 对于 t=3 因为它丢失了，none 对于 t=4 因为没有差异值（由于缺少 t=3值），然后是 t=5 的残差。

据此看来应该有 10 个残差，但我有 11 个。如果能帮助我解释为什么会有这么多残差，以及如何将残差连接到正确的索引（ID 和时间），我将不胜感激。

Answer 1

model="fd" 的滞后是基于相邻行，而不是时间索引的实际值。因此，如果您的时间段不连续，这会给您带来意想不到的结果。为避免这种情况，请自己进行差分，同时尊重滞后的时间段并估计 pooling 模型。数据不平衡这里不用担心

从包 plm 的 1.7.0 版开始，lag() 函数根据默认的时间段值执行滞后（以前的默认值是相邻行）。使用此功能自己做滞后。

继续你的例子：

pTestData <- pdata.frame(TestData, index=c("ID", "Time"))

pTestData$Y_diff <- plm::lag(pTestData$Y) - pTestData$Y
pTestData$X_diff <- plm::lag(pTestData$X) - pTestData$X
fdmod <- plm(Y_diff ~ X_diff, data = pTestData, model = "pooling")
length(residuals(fdmod)) # 10
nrow(fdmod$model)        # 10

我在提到滞后函数时明确使用了 plm::，因为其他几个包也有滞后函数（最显着的是 stats 和 dplyr）并且您想使用一个来自 plm 包这里。要将残差增加到差异数据（实际上用于计算模型），只需执行以下操作： dat <- cbind(fdmod$model, residuals(fdmod))

此外，您可能对函数 is.pconsecutive 感兴趣检查数据的连续性：

is.pconsecutive(pTestData)
#    1     2     3 
# TRUE  TRUE FALSE

函数 make.pconsecutive 将通过插入具有 NA 个值的行来使您的数据连续。

不平衡面板上一阶差分回归的残差

Residuals from first differenced regression on unbalanced panel

r

output

panel-data

plm