Question

我正在寻找一种代码，以使用泛型数据将以下等式估计为OLS：

∆Yjt = α∆Xjt +τt+ ujt

其中∆是Y和X随时间的变化，j是一个扇区，t是时间，τ是一组时间虚拟变量，u是误差项。

我是R编程的初学者，很遗憾，我找不到合适的代码来考虑∆。

有人知道我如何进行回归吗？

感谢您的时间和帮助

Answer 1

欢迎光临，丽莎玛丽。正如Jeremy指出的那样，请尝试plm。它提供了一些样本数据。我认为“具有面板数据的OLS”是否意味着汇总回归？将其与固定效果回归进行比较：

library("plm")
data("Produc", package = "plm")

# Pooled Regression    
pooled <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="pooling")

# Fixed Effects Regression    
fe <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="within")

最诚挚的问候

Answer 2

我对这个问题的解决方案终于是：我用tidyverse计算了变化Δ，并能够轻松解决问题。

Marco的log解决方案甚至更容易，但是因为我不得不处理负值，所以我无法使用它。

感谢大家的帮助！

R中具有边际效应的OLS

2 个答案: