全部版块 我的主页
› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › R语言论坛
plm包中如何区分变截距模型和变系数模型
joeatjifang
8633 9
2015-02-22
最近刚开始学习R语言，在用plm包处理面板数据时不清楚怎样判定应该用变截距模型还是变系数模型
看到书上说判断方法是：
首先计算变参数模型的残差平方和，记为 S1 ；
变截距模型的残差平方和记为 S2 ；
不变参数模型的残差平方和记为 S3
然后计算 F 统计量
但问题是在plm包中只有plm和pvcm两种函数，其中pvcm应该能够做变参数模型得出S1，那么如何做变截距模型和不变参数模型的残差平方和呢？或者说有什么函数可以直接判断应该用哪种模型吗？
先谢谢了
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
蓝色
2015-2-22 14:09:59
lm做的应该就是不变参数的模型

plm的固定效应和随机效应都是变截距的模型
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

joeatjifang
2015-2-22 22:36:14
蓝色 发表于 2015-2-22 14:09
lm做的应该就是不变参数的模型

plm的固定效应和随机效应都是变截距的模型
多谢指教
另外想问一下，plm里如果用pooling模型做出来的可以看作是不变参数的模型吗？
这与把所有数据统统做lm得出的模型有什么差异吗
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

蓝色
2015-2-23 08:06:39
一样的
你自己用例子试试就知道

复制代码


> rm(list=ls())
> library(plm); library(stargazer)
> data("Produc")
> m1 <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
+           data = Produc, model = "pooling", index = c("state","year"))
> m2 <- lm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
+           data = Produc)
>
>
> stargazer(m1, m2, type="text", style = "aer", font.size = "tiny",
+           title="Regression Results")


Regression Results
=================================================================
                                         log(gsp)               
                                 panel                OLS        
                                linear                           
                                  (1)                 (2)        
-----------------------------------------------------------------
log(pcap)                      0.155***            0.155***      
                                (0.017)             (0.017)      
                                                                 
log(pc)                        0.309***            0.309***      
                                (0.010)             (0.010)      
                                                                 
log(emp)                       0.594***            0.594***      
                                (0.014)             (0.014)      
                                                                 
unemp                          -0.007***           -0.007***     
                                (0.001)             (0.001)      
                                                                 
Constant                       1.643***            1.643***      
                                (0.058)             (0.058)      
                                                                 
Observations                      816                 816        
R2                               0.993               0.993      
Adjusted R2                      0.987               0.993      
Residual Std. Error                            0.088 (df = 811)  
F Statistic (df = 4; 811)    27,171.660***       27,171.660***   
-----------------------------------------------------------------
Notes:                    ***Significant at the 1 percent level.
                          **Significant at the 5 percent level.  
                          *Significant at the 10 percent level.


二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

joeatjifang
2015-2-23 09:31:13
试了一下，果然如此，结果是一样的，用pooling模型还可以直接得出残差平方和
多谢啊
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ts_xjw
2015-2-24 13:40:07
多谢二楼讲解
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群