我正在使用lfe包进行固定效应和聚类标准误的模型估计。结果显示我有一个非常大的t值(23.317),但只有相对较小的p值(0.0273)。这似乎与我使用固定效应的投影有关。当我手动估计固定效应作为控制变量时,我的p值太小无法报告<2e-16。
考虑以下工作示例(如果比严格要求更复杂,很抱歉,我试图靠近我的应用程序):我只是对50个时间周期内的10个时间序列进行汇总面板估计,并假设时间序列中存在两个簇。
考虑以下工作示例(如果比严格要求更复杂,很抱歉,我试图靠近我的应用程序):我只是对50个时间周期内的10个时间序列进行汇总面板估计,并假设时间序列中存在两个簇。
library(data.table)
library(lfe)
x <- rnorm(50, mean = 1, sd = 1)
common_shock <- rnorm(50, mean = 0, sd = 1)
y1 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y2 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y3 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y4 = 0.5+ 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y5 = 0.5+ 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y6 = x + rnorm(50, mean = 0, sd = 2)
y7 = x + rnorm(50, mean = 0, sd = 2)
y8 = x + rnorm(50, mean = 0, sd = 2)
y9 = x + rnorm(50, mean = 0, sd = 2)
y10 = x + rnorm(50, mean = 0, sd = 2)
DT <- data.table(periods = 1:50, y1, y2, y3, y4, y5, y6, y7, y8, y9, y10)
Controls <- data.table(periods = 1:50, x)
indicators <- data.table(y_label = paste0("y", 1:10),
indicator = c(1, 1, 1, 1, 1, 0, 0, 0, 0, 0))
DT <- melt(DT, id.vars= c("periods"))
DT <- merge(DT, Controls, by="periods", all = TRUE)
DT <- merge(DT, indicators, by.x="variable", by.y="y_label", all = TRUE)
results <- felm(as.formula("value ~ -1 + indicator + x:indicator | periods | 0 | periods + indicator"), data = DT)
results2 <- felm(as.formula("value ~ -1 + indicator + x:indicator + as.factor(periods) | 0 | 0 | periods + indicator"), data = DT)
summary(results)
summary(results2)
第一个结果给了我:
指标:x 3.8625 0.1657 23.317 0.0273 *
第二个结果给了我:
指标:x 3.86252 0.20133 19.185 < 2e-16 ***
因此,这一定与固定效应的投影有关,但这种差异是如此之大,以至于我想更多地了解它。是否有人知道这里的潜在问题?