Question

我有一个国家 10 个不同地区在 2010-2020 年期间的面板数据。我想衡量 X1 对 Y 的影响，Y 是在 Y 是投票支持极右翼政党的人口比例 < em>s 和 X1 是该地区在 Year s 中寻求庇护者的比例。我想衡量在特定年份中 X1 对 Y 的影响，当时所有地区的寻求庇护者都急剧增加，以检查寻求庇护者的增加是否对投票给极右翼政党的人口比例。 X2...Xn 是一堆控制变量。

我发现包“最固定”并且可以运行正常的 FE 回归，但似乎无法理解如何包含与特定年份的交互效应（“治疗”年份，当所有地区的寻求庇护者增加时）对于 X1。

这是我试图估计的方程的一个例子： FE regression model，其中 (1) RHS 项是区域固定效应，(2) RHS 项是年份固定效应，(3) RHS 项是 2016 年与前一年寻求庇护者之间的相互作用，(4) RHS 项为所有控制变量，(5) RHS 项为误差项。

下面是数据框的组成头部。

Year   Region   Y      X1    X2...Xn
2010   A        0.15  0.001
2011   A        0.25  0.05
.      .        .     .
.      .        .     .
2010   B        0.09  0.002
2011   B        0.14  0.04

Answer 1

您可以简单地使用函数 i() 在连续变量 (x1) 和因子（年份）之间创建交互作用。使用 i 的参数 keep，您可以选择要保留的年份。

第二件事是滞后：只需在 l() 估计中使用函数 fixest，但它需要指定面板标识符。

以下是预期行为的示例，它应该很容易适应您的情况：

library(fixest)

data(base_did)
est = feols(y ~ i(l(x1), period, keep = 10) | id + period, base_did, panel.id = ~id+period)
#> NOTE: 108 observations removed because of NA values (RHS: 108).
est
#> OLS estimation, Dep. Var.: y
#> Observations: 972 
#> Fixed-effects: id: 108,  period: 9
#> Standard-errors: Clustered (id) 
#>                      Estimate Std. Error t value Pr(>|t|) 
#> l(x1, 1):period::10 -0.263237   0.217412 -1.2108 0.228651 
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 4.8876     Adj. R2: 0.173257
#>                Within R2: 0.002642

如何使用 R 中的交互效应和滞后进行固定效应回归？

1 个答案: