R (plm) 和 Stata (xtreg) 中的固定效应模型之间的差异

机器算法验证 r 面板数据 状态 固定效应模型 plm
2022-03-26 17:14:45

我正在尝试使用package重新创建使用Statafunction xtreg（尽管我没有代码）完成的分析，并且在两者之间进行转换时遇到了麻烦。我试图估计的模型的一个最小示例如下：Rplm

Dependenti,t=β0+γi+δt+β1∗Dependenti,t−1+β2∗Independenti,t+ϵi,t

在哪里γi是对横截面因子（状态）的控制，δt是每个时间段（年）的控制，Dependenti,t是比例形式的因变量，并且Independenti,t是记录的一个属性，它随数据的横截面和时间分量而变化。

我尝试使用R以下（通用）代码来估计模型的系数：

model <- plm(Dependent_it ~ Independent_it + lag(Dependent_it,1), 
             data   = data, 
             method = "within", #fixed effects model
             effect = "twoway", #does the gamma_i and delta_t parts (I think)
             index  = c("State", "Year")
             )

我尝试Stata使用以下方法重新创建它（当然在运行xtset State Year, yearly之后）

xtreg Dependent Independent l.Dependent i.Year, fe

xtreg我得到了不同的结果，所以我必须在其中一个或两个方面都做错plm了。有人能告诉我我是否用任何一种语言适当地编码了上述模型吗？

1个回答

欢迎来到该网站，@gwatson！设置effect = "twoways"“个人”和“年份”效果是对的。

我用包中的Produc数据进行了测试，发现主要结果是相同的（参见下面的代码和输出）。我发现的唯一明显差异是效果，这是由对比引起的（以第一年为参考，而直接估计每年的效果）。Rplmyearxtregplm

## R code
data("Produc", package = "plm")
zz <- plm(gsp ~ unemp + lag(gsp), data = Produc, index = c("state","year"), method = "within", effect = "twoways")
summary(zz)

## plm output
Coefficients :
            Estimate  Std. Error  t-value  Pr(>|t|)    
unemp    -5.4525e+02  6.8611e+01  -7.9469 7.614e-15 ***
lag(gsp)  1.0125e+00  9.1789e-03 110.3029 < 2.2e-16 ***


## Stata code
use Produc, clear
xtset state year, yearly
xtreg gsp unemp l.gsp i.year, fe

## xtreg output
------------------------------------------------------------------------------
         gsp |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       unemp |   -545.246   68.61136    -7.95   0.000    -679.9537   -410.5383
      gsp L1.|   1.012464   .0091789   110.30   0.000     .9944422    1.030485
-------------+----------------------------------------------------------------
其它你可能感兴趣的问题
上一篇这个 QQ 图使用什么分布？ 下一篇Python中的最大似然曲线/模型拟合