我正在使用
同样地,如果我使用:
对于指定固定效应以外变量的模型,摘要中会有更多属性,包括R^2。我也尝试将一个由一组1组成的变量添加到数据中,但并没有成功。使用常规的lm()函数(例如,summary(lm(C ~ A + B, data = Data)))可以轻松实现这一点,但这会剥夺我felm()函数的价值。
lfe
包中的felm()
函数来拟合具有大量固定效应的线性模型。我希望能够仅使用固定效应来拟合模型。例如,我想知道这种模型的R^2,并可能将其与具有更大预测变量集的模型进行比较。请考虑下面的例子:library(lfe)
N = 1000
A = sample(1:3, N, replace = TRUE)
B = sample(1:5, N, replace = TRUE)
C = A + B + rnorm(N)
Data = data.frame(A, B, C)
Data$A = as.factor(A)
Data$B = as.factor(B)
summary(felm(C ~ 1 | A + B, data = Data))
这只是简单地返回:
Call:
felm(formula = C ~ 1 | A + B, data = Data)
Residuals:
Min 1Q Median 3Q Max
-3.8101 -0.6750 0.0014 0.6765 4.4254
Coefficients:
(No coefficients)
同样地,如果我使用:
names(summary(felm(C ~ 1 | A + B, data = Data)))
我会得到以下结果:[1] "residuals" "p" "Pp" "call"
对于指定固定效应以外变量的模型,摘要中会有更多属性,包括R^2。我也尝试将一个由一组1组成的变量添加到数据中,但并没有成功。使用常规的lm()函数(例如,summary(lm(C ~ A + B, data = Data)))可以轻松实现这一点,但这会剥夺我felm()函数的价值。
felm(formula = C ~ A | B +..., data = Data)
的操作,即像在lm()
中一样使用“最小”的因子作为常规协变量,并投影其他更重要的因子。 - Felipe Alvarenga