1.安装plm包
可能会遇到错误：
采用这个指令进行安装：
install.packages("plm",type = "binary")
library(plm)
安装完成
2.问题描述
有数据集：Ex1_1.dta
数据样式：
点击下载
解释：
3.pool 模型
Pool模型本质上是对变量去整体均值后进行 OLS 估计，也可以用plm包提供功能实现
首先对数据进行处理使其变为data.frame
rankData<-pdata.frame(Ex1_1,index=c("FN","YR")) #index里是个体和时间，转化为面板数据
pool <- plm(I~ F + C,data=rankData,model="pooling")
summary(pool)
结果：
特别的，和OLS做对比
ols = lm(I~ F + C,data=rankData)
summary(ols)
可见，结果是一样的，从软件结果进一步证实了数学推导，即忽略个体均值和时间差异的pool模型等价于OLS模型。
4.个体固定效应的Panel模型——不考虑时间差异，考虑公司差异的估计
4.1LSDV模型
增加一个factor因子即可：
注意：factor-1才能展现出十家公司，因为事实上公司设置了虚拟变量
LSDV = LSDV = lm(I~F+C+factor(FN)-1,data = Ex1_1)#factor-1才能展现出十家公司，因为事实上公司设置了虚拟变量
summary(LSDV)
结果：
解读：
-
F,C分别代表企业流通股票总价值和企业资本存量，此外还展示了 分别以十家公司做虚拟变量的估计结果，即不同公司是否显著影响企业的投资。
即总共估计的参数是2+9共11个（9个虚拟变量是为了防止完全的多重共线性）
4.2组内模型（within）
rankData<-pdata.frame(Ex1_1,index=c("FN","YR"))#第一个参数是面板的个体，第二个参数是面板的时间
within <- plm(I~ F + C,data=rankData,effect = "individual",model="within")
#within组内方法，检验不同个体是否存在差异（忽视时间影响）
summary(within)
解读
- 公司股票价值每增加一个单位，对企业投资的贡献为0.11个单位；公司实际资本存量每增加一个单位，对企业投资对贡献为0.31个单位，这两个解释变量对被解释变量对贡献程度为75.31%
5 时间固定效应Panel模型——考虑时间差异忽略公司差异
采用组内模型进行估计（也可用4.1方法进行估计）
rankData<-pdata.frame(Ex1_1,index=c("FN","YR"))#第一个参数是面板的个体，第二个参数是面板的时间
within2 = plm(I~ F + C,data=rankData,effect = "time",model="within")
#within组内方法，检验不同时间是否存在差异（忽视个体影响）
summary(within2)
解读：
- 用第4节中相似的办法可以解读
6.个体和时间双维固定效应模型–Panel数据
rankData<-pdata.frame(Ex1_1,index=c("FN","YR"))#第一个参数是面板的个体，第二个参数是面板的时间
within3 <- plm(I~ F + C,data=rankData,effect = "twoways",model="within")
#twoways参数既考虑个体效益，也考虑时间效应
summary(within3)
解读
解读类似上面。此外F，C的F检验都是显著的（F，C后面的三个星号*）。拒绝全为0的原假设。
7.可供参考的资料
从经管之家帖子看到的
R计量的不多，你下载下面的书去看面板的章节把
Applied Econometrics with R
伍德里奇的配套的书
Principles of Econometrics with R https://bbs.pinggu.org/thread-4805190-1-1.html
或者看 plm包的说明文件（个人不太推荐，感觉写的不清楚）
helphttps://www.jstatsoft.org/article/view/v027i02
https://cran.r-project.org/web/views/Econometrics.html
转载：https://blog.csdn.net/weixin_43718786/article/details/109094100
查看评论