用plm方法预测

时间:2015-02-16 18:04:11

标签: r predict panel-data plm

我使用plm包来估计面板数据的随机效应模型。 阅读关于plm包中预测的this question给了我一些疑问。它究竟是如何工作的?我尝试了3种替代方法,并提供不同的解决方案。为什么?

library(data.table); library(plm)

set.seed(100)
DT <- data.table(CJ(id=c(1,2,3,4), time=c(1:10)))
DT[, x1:=rnorm(40)]
DT[, x2:=rnorm(40)]
DT[, y:=x1 + 2*x2 + rnorm(40)/10 + id]
DT <- DT[!(id=="a" & time==4)] # just to make it an unbalanced panel
setkey(DT, id, time)    

summary(plmFEit <- plm(data=DT, id=c("id","time"), formula=y ~ x1 + x2, model="random"))    
    ###################
    #method 1
    ###################
    # Extract the fitted values from the plm object
    FV <- data.table(plmFEit$model, residuals=as.numeric(plmFEit$residuals))
    FV[, y := as.numeric(y)]
    FV[, x1 := as.numeric(x1)]
    FV[, x2 := as.numeric(x2)]

    DT <- merge(x=DT, y=FV, by=c("y","x1","x2"), all=TRUE)
    DT[, fitted.plm_1 := as.numeric(y) - as.numeric(residuals)]                
    ###################
    #method 2
    ###################        
    # calculate the fitted values 
    DT[, fitted.plm_2 := as.numeric(coef(plmFEit)[1]+coef(plmFEit)[2] * x1 + coef(plmFEit)[3]*x2)]                
    ###################
    #method 3
    ###################
    # using pmodel.response 
    DT$fitted.plm_3 <-pmodel.response(plmFEit,model='random') 

1 个答案:

答案 0 :(得分:1)

方法1: 这可以更容易:

FV <- data.table(plmFEit$model, residuals=as.numeric(plmFEit$residuals))
FV[ , fitted := y - residuals]

但是,它提供了与您使用merge()

时相同的拟合值

方法2: 你正在拟合一个随机效应模型(虽然你把它命名为plmFEit,其中FE通常意味着固定效果)。与方法1相比,您缺少特殊的错误术语。

方法3: pmodel.response()为您提供响应变量(在这种情况下为y),但应用了指定的转换(随机效应转换(“准贬值”))(请参阅pmodel.response()

我认为,你想要的是方法1。