在R中用lm()拟合一个固定的效应模型，没有单独的拦截

Question

我正在进行面板回归，并决定改用lm()，因为plm()对于测试数据(以及linearmodels中的linearmodels)没有一个很好的predict()函数，对于我来说，作为计量经济学新手，lme4语法是不直观的。

我想使用lm并预测未知的数据。

我的lm()方程看起来像这样，作者是一个固定的效果

fit <- lm(y ~ a + b + factor(author), data = train)

很明显它给我打印了数千个系数。如何在lm()中建立一个模型，对所有作者进行评估，而不单独打印？

Answer 1

让我们假设一些具体的数据示例。

a <- rnorm(100)
b <- runif(100)

train <- data.frame(a, b, 
                    author = sample(LETTERS[1:10], 100, 1),
                    y = 3*a + .5*b + rnorm(100))

现在我们做一个固定的效果回归，我假设我们不需要任何Intercept，所以命令是

fit <- lm(y ~ a + b + author - 1, data = train)

公式中的- 1部分将Intercpet排除在外，而是计算每个author的固定效果。没有遗漏任何基础水平。

在示例中的10位作者中，打印此模型或其摘要是可行的，但在您的工作中不能打印数千名作者。

您只可以像这样打印a和b的系数

> fit$coefficients[c('a', 'b')]
         a          b 
3.02022335 0.09789947 

您可以通过anova命令查看系数及其p值。

> anova(fit)

Analysis of Variance Table

Response: y
          Df  Sum Sq Mean Sq   F value    Pr(>F)    
a          1 1139.90 1139.90 1034.2307 < 2.2e-16 ***
b          1    7.73    7.73    7.0127  0.009591 ** 
author    10   10.75    1.07    0.9751  0.470812    
Residuals 88   96.99    1.10 

您甚至可以解构summary(fit)的系数或显示调整后的R 2：

> summary(fit)$coefficients[c("a", "b"),]
    Estimate Std. Error    t value     Pr(>|t|)
a 3.02022335 0.09697699 31.1437123 2.679195e-49
b 0.09789947 0.35161039  0.2784317 7.813342e-01
>
> summary(fit)$adj.r.squared
[1] 0.9122033

有关其他值，请参见help(summary.lm)。您是否仍然希望看到作者F的系数，即

> fit$coefficients["authorF"]
  authorF 
0.6174314