R：如何在函数内调用feols回归

Question

我正在尝试为 return 回归系数和标准误差编写一个函数，因为我需要运行大量回归。数据可能如下所示

library(tidyverse)
library(fixest)
library(broom)
data<-tibble(Date = c("2020-01-01","2020-01-01","2020-01-01","2020-01-01","2020-02-01","2020-02-01","2020-02-01","2020-02-01"),
         Card = c(1,2,3,4,1,2,3,4),
         A = rnorm(8),
         B = rnorm(8),
         C = rnorm(8)
         )

我现在的代码如下

estimation_fun <- function(col1,col2,df) {

  regression<-feols(df[[col1]] ~ df[[col2]] | Card + Date, df)

  est =tidy(regression)$estimate
  se = tidy(regression)$std.error

  output <- list(est,se)
  return(output)

}
estimation_fun("A","B",example)

但是，它不起作用。我猜它与 feols 中的列名有关，因为我可以让它适用于 lm().

Answer 1

feols 函数需要一个公式对象。您可以使用 paste0/sprintf.

创建它

estimation_fun <- function(col1,col2,df) {
  
  regression<-feols(as.formula(sprintf('%s ~ %s | Card + Date', col1, col2)), df)
  
  est =tidy(regression)$estimate
  se = tidy(regression)$std.error
  
  output <- list(est,se)
  return(output)
  
}

estimation_fun("A","B",data)

#[[1]]
#[1] -0.1173276
#attr(,"type")
#[1] "Clustered (Card)"

#[[2]]
#[1] 1.083011
#attr(,"type")
#[1] "Clustered (Card)"

要将此应用于每对变量，您可能会这样做 -

cols <- names(data)[-(1:2)]

do.call(rbind, combn(cols, 2, function(x) {
  data.frame(cols = paste0(x, collapse = '-'), 
             t(estimation_fun(x[1],x[2],data)))
}, simplify = FALSE))

   cols         X1        X2
#1  A-B -0.1173276  1.083011
#2  A-C -0.1117691 0.5648162
#3  B-C -0.3771884 0.1656587

Answer 2

Ronak 的权利：只能使用由变量名组成的公式。

从 fixest 0.10.0 开始，您可以使用圆点方括号运算符来做到这一点。请参阅 xpd.

中公式操作的帮助页面

只需更改代码中的一行即可使其工作：

estimation_fun <- function(lhs, rhs, df) {
  # lhs must be of length 1 (otherwise => not what you'd want)
  # rhs can be a vector of variables
  regression <- feols(.[lhs] ~ .[rhs] | Card + Date, df)
  
  # etc...
}

# Example of how ".[]" works: 

lhs = "A"
rhs = c("B", "C")
feols(.[lhs] ~ .[rhs], data)
#> OLS estimation, Dep. Var.: A
#> Observations: 8 
#> Standard-errors: IID 
#>              Estimate Std. Error   t value Pr(>|t|) 
#> (Intercept)  0.375548   0.428293  0.876849  0.42069 
#> B           -0.670476   0.394592 -1.699164  0.15004 
#> C            0.177647   0.537452  0.330536  0.75440 
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 0.737925   Adj. R2: 0.183702

顺便说一句，我建议使用内置的多重估计工具（请参阅帮助 here），因为估计速度会大大提高。

更新

一行代码即可估算所有组合：

# All combinations at once
est_all = feols(c(A, B, C) ~ sw(A, B, C) | Card + Date, data)

coefs/SEs 的提取可以用另一行来完成：

# Coef + SE // see doc for summary.fixest_multi
coef_se_all = summary(est_all, type = "se_long")
coef_se_all
#>    lhs rhs type          A          B          C
#> 1    A   A coef  1.0000000         NA         NA
#> 2    A   A   se        NaN         NA         NA
#> 3    A   B coef         NA  0.8204932         NA
#> 4    A   B   se         NA  1.1102853         NA
#> 5    A   C coef         NA         NA -0.7889534
#> 6    A   C   se         NA         NA  0.3260451
#> 7    B   A coef  0.2456443         NA         NA
#> 8    B   A   se  0.2314143         NA         NA
#> 9    B   B coef         NA  1.0000000         NA
#> 10   B   B   se         NA        NaN         NA
#> 11   B   C coef         NA         NA -0.1977089
#> 12   B   C   se         NA         NA  0.3335988
#> 13   C   A coef -0.4696954         NA         NA
#> 14   C   A   se  0.3858851         NA         NA
#> 15   C   B coef         NA -0.3931512         NA
#> 16   C   B   se         NA  0.8584968         NA
#> 17   C   C coef         NA         NA  1.0000000
#> 18   C   C   se         NA         NA        NaN

注意：它需要 fixest 0.10.1 或更高版本。

R：如何在函数内调用feols回归

R: how to call feols regression within a function

regression

r

更新