在固定效应模型上预测样本外
Predict out of sample on fixed effects model
让我们考虑模型：
library(plm)
data("Produc", package = "plm")
model <- plm(pcap ~ hwy + water, data = Produc, model = 'within')
要计算模型的拟合值，我们只需要使用：
predict(model)
但是，当尝试在样本之外执行此操作时：
predict(model, newdata = data.frame('hwy' = 1, 'water' = 1))
会报错：
Error in crossprod(beta, t(X)) : non-conformable arguments
这对我来说很奇怪，因为此代码适用于 'within' 以外的任何模型。我搜索有一个函数 fixef 可以对固定效应模型进行预测，但不幸的是 - 仅在样本中。
所以：有什么解决方案我们如何预测固定效应模型的样本外？
只需删除模型的截距：
model <- plm(pcap ~ 0 + hwy + water, data = Produc, model = 'within')
predict(model, newdata = data.frame('hwy' = 1, 'water' = 1))
3.980911
关于out-of-sample固定效应模型的预测，不清楚如何处理原始模型中不存在的与固定效应相关的数据，例如原始数据集中不包含的个体数据该模型估计在。 （与其说这是一个编程问题，不如说这是一个方法论问题）。
plm (https://github.com/ycroissant/plm) 的开发版本现在允许 predict 具有原始数据和 out-of-sample 数据的固定效应模型（参见 ?predict.plm).
下面找一个例子，有10家公司做模型估计，预测的数据中有一个公司没有包含在原始数据集中（除了那个公司，还有一些年份没有包含在原始模型对象中，但是这些在这里无关紧要，因为它是一个 one-way 个人模型）。目前尚不清楚 out-of-sample 公司的固定效应是什么。因此，默认情况下，没有给出预测值（NA 值）。如果参数 na.fill 设置为 TRUE，则使用原始模型对象中包含的固定效应的（加权）平均值作为最佳猜测。
library(plm)
data("Grunfeld", package = "plm")
# fit a fixed effect model
fit.fe <- plm(inv ~ value + capital, data = Grunfeld, model = "within")
# generate 55 new observations of three firms used for prediction:
# * firm 1 with years 1935:1964 (has out-of-sample years 1955:1964),
# * firm 2 with years 1935:1949 (all in sample),
# * firm 11 with years 1935:1944 (firm 11 is out-of-sample)
set.seed(42L)
new.value2 <- runif(55, min = min(Grunfeld$value), max = max(Grunfeld$value))
new.capital2 <- runif(55, min = min(Grunfeld$capital), max = max(Grunfeld$capital))
newdata <- data.frame(firm = c(rep(1, 30), rep(2, 15), rep(11, 10)),
year = c(1935:(1935+29), 1935:(1935+14), 1935:(1935+9)),
value = new.value2, capital = new.capital2)
# make pdata.frame
newdata.p <- pdata.frame(newdata, index = c("firm", "year"))
## predict from fixed effect model with new data as pdata.frame
predict(fit.fe, newdata = newdata.p) # has NA values for the 11'th firm
## set na.fill = TRUE to have the weighted mean used to for fixed effects -> no NA values
predict(fit.fe, newdata = newdata.p, na.fill = TRUE)
注意：当您输入 data.frame 为 newdata 时，不清楚数据与个人和时间段的关系，这就是为什么固定效应的加权平均值来自原始模型对象用于 newdata 中的所有观察，并打印一条警告。对于固定效应模型预测，假设用户可以提供信息（通过 pdata.frame）用户想要用于预测的数据如何与面板数据的个体和时间维度相关。
让我们考虑模型：
library(plm)
data("Produc", package = "plm")
model <- plm(pcap ~ hwy + water, data = Produc, model = 'within')
要计算模型的拟合值，我们只需要使用：
predict(model)
但是，当尝试在样本之外执行此操作时：
predict(model, newdata = data.frame('hwy' = 1, 'water' = 1))
会报错：
Error in crossprod(beta, t(X)) : non-conformable arguments
这对我来说很奇怪，因为此代码适用于 'within' 以外的任何模型。我搜索有一个函数 fixef 可以对固定效应模型进行预测，但不幸的是 - 仅在样本中。
所以：有什么解决方案我们如何预测固定效应模型的样本外？
只需删除模型的截距：
model <- plm(pcap ~ 0 + hwy + water, data = Produc, model = 'within')
predict(model, newdata = data.frame('hwy' = 1, 'water' = 1))
3.980911
关于out-of-sample固定效应模型的预测，不清楚如何处理原始模型中不存在的与固定效应相关的数据，例如原始数据集中不包含的个体数据该模型估计在。 （与其说这是一个编程问题，不如说这是一个方法论问题）。
plm (https://github.com/ycroissant/plm) 的开发版本现在允许 predict 具有原始数据和 out-of-sample 数据的固定效应模型（参见 ?predict.plm).
下面找一个例子，有10家公司做模型估计，预测的数据中有一个公司没有包含在原始数据集中（除了那个公司，还有一些年份没有包含在原始模型对象中，但是这些在这里无关紧要，因为它是一个 one-way 个人模型）。目前尚不清楚 out-of-sample 公司的固定效应是什么。因此，默认情况下，没有给出预测值（NA 值）。如果参数 na.fill 设置为 TRUE，则使用原始模型对象中包含的固定效应的（加权）平均值作为最佳猜测。
library(plm)
data("Grunfeld", package = "plm")
# fit a fixed effect model
fit.fe <- plm(inv ~ value + capital, data = Grunfeld, model = "within")
# generate 55 new observations of three firms used for prediction:
# * firm 1 with years 1935:1964 (has out-of-sample years 1955:1964),
# * firm 2 with years 1935:1949 (all in sample),
# * firm 11 with years 1935:1944 (firm 11 is out-of-sample)
set.seed(42L)
new.value2 <- runif(55, min = min(Grunfeld$value), max = max(Grunfeld$value))
new.capital2 <- runif(55, min = min(Grunfeld$capital), max = max(Grunfeld$capital))
newdata <- data.frame(firm = c(rep(1, 30), rep(2, 15), rep(11, 10)),
year = c(1935:(1935+29), 1935:(1935+14), 1935:(1935+9)),
value = new.value2, capital = new.capital2)
# make pdata.frame
newdata.p <- pdata.frame(newdata, index = c("firm", "year"))
## predict from fixed effect model with new data as pdata.frame
predict(fit.fe, newdata = newdata.p) # has NA values for the 11'th firm
## set na.fill = TRUE to have the weighted mean used to for fixed effects -> no NA values
predict(fit.fe, newdata = newdata.p, na.fill = TRUE)
注意：当您输入 data.frame 为 newdata 时，不清楚数据与个人和时间段的关系，这就是为什么固定效应的加权平均值来自原始模型对象用于 newdata 中的所有观察，并打印一条警告。对于固定效应模型预测，假设用户可以提供信息（通过 pdata.frame）用户想要用于预测的数据如何与面板数据的个体和时间维度相关。