Question

我正在使用面板数据，我想估计一个具有特定状态趋势的固定效应回归。

在Stata，我可以通过以下方式实现这一目标，

xi i.state i.year i.state*time
reg y x _I*

以上将创建状态假人，年假人和50（状态x时间）假人，其中时间以数字方式识别趋势（即1,2,3 ......）

在R中，我可以使用plm或lm运行固定效果模型，例如，

plm(y ~ x, index = c("state", "year"), effect = "twoways", data = df)
 lm(y ~ x + factor(state) + factor(year), data = df)

我如何在Stata中以xi的方式包含50（状态x时间）假人？

我知道interaction()不是我想要的，因为它会创建一个具有n个级别的新因子变量，其中n =（状态数）x（时间段数）。我尝试做的是创建50（状态x时间）变量，使state1xtime为1,2,3 ...当state == 1时为零，否则为zero，对state2xtime重复，其中state == 2，等等

Answer 1

您只需将state与year进行交互即可。正确的运算符是:，它仅包括交互项。

请注意，lm和plm之间存在细微差别：

对于lm，只需执行state:year
对于plm，年份已隐式转换为一个因子，因此state:as.integer(year)也是如此（执行state:year会为您提供状态和年份的所有组合）。

检查：

library(plm)

data("Produc", package = "plm")
produc_plm <- pdata.frame(Produc, index = c("state","year"))

### simple state-specific time trend ###
fe1_Ttrend_lm <- lm(log(gsp) ~ -1 + log(pcap) + log(pc) + log(emp) + unemp + state +state:year, data = Produc)
fe1_Ttrend_plm <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp + state : as.integer(year), data = produc_plm)

summary(fe1_Ttrend_lm)$coef[1:4,]
summary(fe1_Ttrend_plm)$coef[1:4,]

Answer 2

这可能是你想要的：

dta <- data.frame(state = rep(LETTERS[1:3], 10), 
              time = rep(1:3, each = 10))
dta <- cbind(dta, model.matrix( ~ state - 1, data = dta) * dta$time)

head(dta, 1)
#     state time stateA stateB stateC
# 1     A    1      1      0      0

tail(dta, 1)
#      state time stateA stateB stateC
# 30     C    3      0      0      3

Answer 3

要完成Matifou的回答，您还可以使用软件包fixest：

library(fixest)
data("Produc", package = "plm")
fe_fixest = feols(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp + year::state | state, data = Produc)
# Notice the double colon (on the left the numeric variable, on the right the factor). The alternative also works,
# fe_fixest = feols(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp + interact(year, state) | state, data = Produc)
# fe_fixest = feols(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp + i(year, state) | state, data = Produc)

# Requesting ("standard" standard-errors, otherwise, clustered at state level by default)
coeftable(fe_fixest, se = "standard")[1:4, ]

请注意，如果您不关心交互系数的标准误差，则可以使用以下语法将其投影出来：

fe_fixest_bis = feols(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp | state[year], data = Produc)
# state[year] means 'state' fixed-effects and 'state x year' interactions
# The interacted terms are projected out, and the estimation is faster

coeftable(fe_fixest_bis, se = "s")

固定效果回归与状态特定趋势

3 个答案: