Question

我正在运行一个面板回归（randon效应），我有几个回归者候选人。

 X.panel3.form = as.formula(c("value ~ ",paste(X.panel3.cols,collapse="+")))

> X.panel3.form
value ~ SMB + HML + MOM + IBX + EQWO + TERMBZ + BZCDS5Y + COEN + 
    COMP + COMI + COAG + DOL + VIX + SPX + TERMUS

然后我运行一个简单的面板回归模型

fit.plm = plm(X.panel3.form,data=panel,index = c("variable","Date"),  model="random")

这将是完整的模型，但我想自动选择具有较少回归量的模型。类似于逐步程序。

事实上，AIC的逐步优化和优化将是最好的参考，只有更简单的方法才能保留更相关的回归量。

关键是Step()函数对R中的面板数据不起作用（我相信它是因为没有面板模型的最大可能性估计）

所以在运行Step()，StepAIC()（来自Mass包）

时

我收到了错误：

Error in UseMethod("extractAIC") : 
  no applicable method for 'extractAIC' applied to an object of class "c('plm', 'panelmodel')"

所以我的问题是：在使用plm软件包时，R中自动模型选择的替代方案和面板数据集的可能简单实现是什么？

R逐步替代面板回归模型的自动模型选择（plm）

0 个答案: