如何在 R 中使用交互效应和滞后进行固定效应回归？答案

【问题标题】：How to do a fixed effects regression with interaction effect and lags in R?如何在 R 中使用交互效应和滞后进行固定效应回归？
【发布时间】：2021-06-16 18:59:51
【问题描述】：

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，如果 Y 是当年投票支持极右政党的人口比例 s，X1 是该地区在 s 年寻求庇护者的份额。我想在所有地区寻求庇护者急剧增加的特定年份测量 X1 对 Y 的影响，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，所有地区的寻求庇护者都增加了） X1。

这是我试图估计的方程的一个例子： FE regression model，其中 (1) RHS 项是地区固定效应，(2) RHS 项是年份固定效应，(3) RHS 项是 2016 年与上一年寻求庇护者之间的相互作用，(4) RHS 项是所有控制变量，(5) RHS 项是误差项。

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

【问题讨论】：

标签： r statistics regression panel-data

【解决方案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。使用i的参数keep，可以选择要保留的年份。

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

这是预期行为的示例，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

【讨论】：

谢谢！！ i(l(x1), period, keep = 10) 是否表示在 period = 10 和 x1 = 一年前（即第 9 年）与 x1 和 period 变量的交互？另外，您知道为什么我在运行这些回归时从 plm 和 fixt 得到不同的结果： plm
第一个问题：是 l(x1, 1):period::10 表示滞后（x1）x 周期 == 10。第二个问题：与 plm 的差异是正常的，plm 不包括年的 FEs 内估计。备注：仅当您在模型中有滞后时才需要 fixst 中的 panel.id。第二条评论：默认情况下，SE 将在第一个 FE 上进行集群，所以如果你首先包含区域 FE，你就可以了。否则，只需使用 arg。集群。