'plm' 中的固定效应模型没有截距时解释分类变量

Question

我运行我的面板回归使用 'plm' 命令和固定效果 'within' 选项。因变量是数值型的，而所有自变量都是分类型或二元型的，除了 cgi、eui、sjump 和 rv。

三个二进制变量 cc、ce、cw 应该表示具有 4 个类别的相同分类变量，所以我排除了一个。

但是，当我尝试从代表 4 个类别的这三个二进制变量分析第四个类别的影响时，我遇到了困难，因为这个固定效应模型没有给出我可以用来获得的截距这第四个分类变量的效果，我必须将所有内容设置为零。

我可以帮忙吗？

 Oneway (individual) effect Within Model

 Call:
 plm(formula = liq ~ gov + indus + fin + cc * us + ce * us + cw * 
     us + cgi + eui + sjump + rv, data = DATA, model = "within", 
     index = c("year", "id"))

 Unbalanced Panel: n=20, T=1-5, N=56

 Residuals :
        Min.     1st Qu.      Median     3rd Qu.        Max. 
 -0.00261615 -0.00032955  0.00000000  0.00054460  0.00355775 

 Coefficients :
          Estimate  Std. Error t-value  Pr(>|t|)    
 gov    2.6297e-03  9.3741e-04  2.8053 0.0100474 *  
 indus  1.2222e-03  5.6817e-04  2.1511 0.0422088 *  
 fin    1.8561e-04  1.1653e-03  0.1593 0.8748340    
 cc    -4.9511e-03  2.2878e-03 -2.1641 0.0410807 *  
 us    -4.1023e-03  5.4593e-04 -7.5143 1.235e-07 ***
 ce    -5.6131e-03  2.2753e-03 -2.4669 0.0215034 *  
 cw    -5.1635e-03  2.5178e-03 -2.0508 0.0518462 .  
 cgi   -1.5682e-03  3.4829e-04 -4.5026 0.0001608 ***
 eui    1.1203e-06  4.1869e-05  0.0268 0.9788832    
 sjump -1.8977e-03  7.2104e-03 -0.2632 0.7947520    
 rv    -2.7708e+00  5.6234e+00 -0.4927 0.6268798    
 cc:us  1.2738e-03  2.4844e-03  0.5127 0.6130542    
 us:ce  6.6711e-04  2.5962e-03  0.2570 0.7994964    
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Total Sum of Squares:    0.00052049
 Residual Sum of Squares: 5.7059e-05
 R-Squared:      0.89037
 Adj. R-Squared: 0.73785
 F-statistic: 14.3696 on 13 and 23 DF, p-value: 4.5827e-08

Answer 1

首先：对不起，这应该是评论，但我没有积分和徽章，所以不能评论。

您是否尝试过使用 within_intercept() 函数？ "This function gives an overall intercept for within models and its accompanying standard error"

如果你去看 plm 手册，那里有一些例子（第 117 页）(https://cran.r-project.org/web/packages/plm/plm.pdf):

gi <- plm(inv ~ value + capital, data = Grunfeld, model = "within")
fx_level <- fixef(gi, type = "level")
fx_dmean <- fixef(gi, type = "dmean")
overallint <- within_intercept(gi)
all.equal(overallint + fx_dmean, fx_level, check.attributes = FALSE) # TRUE
# overall intercept with robust standard error
within_intercept(gi, vcov = function(x) vcovHC(x, method="arellano", type="HC0"))

'plm' 中的固定效应模型没有截距时解释分类变量

Interpreting categorical variable when fixed effect model in 'plm' has no intercept

r

regression

categorical-data

intercept

interpretation