【发布时间】：2018-08-08 12:53:09
【问题描述】：
我可以使用lme4 在面板数据上指定随机和固定效应模型吗？
我正在重做来自 r 的 Wooldridge (2013, p. 494-5) 的示例 14.4。感谢this site 和this blog post 我已经设法在plm 包中做到这一点，但我很好奇我是否可以在lme4 包中做同样的事情？
这是我在 plm 包中所做的。将不胜感激任何关于我如何使用lme4 做同样事情的指示。首先，需要的包和数据的加载，
# install.packages(c("wooldridge", "plm", "stargazer"), dependencies = TRUE)
library(wooldridge)
data(wagepan)
其次，我使用plm 包估计了示例 14.4（Wooldridge 2013）中估计的三个模型，
library(plm)
Pooled.ols <- plm(lwage ~ educ + black + hisp + exper+I(exper^2)+ married + union +
factor(year), data = wagepan, index=c("nr","year") , model="pooling")
random.effects <- plm(lwage ~ educ + black + hisp + exper + I(exper^2) + married + union +
factor(year), data = wagepan, index = c("nr","year") , model = "random")
fixed.effects <- plm(lwage ~ I(exper^2) + married + union + factor(year),
data = wagepan, index = c("nr","year"), model="within")
第三，我使用stargazer 输出结果以模拟 Wooldridge (2013) 中的表 14.2，
stargazer::stargazer(Pooled.ols,random.effects,fixed.effects, type="text",
column.labels=c("OLS (pooled)","Random Effects","Fixed Effects"),
dep.var.labels = c("log(wage)"), keep.stat=c("n"),
keep=c("edu","bla","his","exp","marr","union"), align = TRUE, digits = 4)
#> ======================================================
#> Dependent variable:
#> -----------------------------------------
#> log(wage)
#> OLS (pooled) Random Effects Fixed Effects
#> (1) (2) (3)
#> ------------------------------------------------------
#> educ 0.0913*** 0.0919***
#> (0.0052) (0.0107)
#>
#> black -0.1392*** -0.1394***
#> (0.0236) (0.0477)
#>
#> hisp 0.0160 0.0217
#> (0.0208) (0.0426)
#>
#> exper 0.0672*** 0.1058***
#> (0.0137) (0.0154)
#>
#> I(exper2) -0.0024*** -0.0047*** -0.0052***
#> (0.0008) (0.0007) (0.0007)
#>
#> married 0.1083*** 0.0640*** 0.0467**
#> (0.0157) (0.0168) (0.0183)
#>
#> union 0.1825*** 0.1061*** 0.0800***
#> (0.0172) (0.0179) (0.0193)
#>
#> ------------------------------------------------------
#> Observations 4,360 4,360 4,360
#> ======================================================
#> Note: *p<0.1; **p<0.05; ***p<0.01
【问题讨论】：
-
这不是更适合Cross Validated吗？
-
@Jaap，感谢您的评论。我认为它主要是程序员的问题，而不是真正的统计/交叉验证问题。但是，如果您认为是否属于 CV，我很乐意将其移动。
-
请注意，
lme4大约是最大可能的框架，所以它不会是“相同的”：plm 的小插图 ch。 7 与 pkgnlme有一些比较，类似于lme4，您应该可以从那里获取它。 -
@Helix123，感谢您的评论。我会调查的。
标签： lme4 r plm lme4 plm lme4 plm stargazer lme4 plm r lme4 panel-data plm