Как получить индивидуальные коэффициенты и остатки в панельных данных с помощью фиксированных эффектов

У меня есть панельные данные, включающие доход отдельных лиц за несколько лет, и меня интересуют тенденции доходов отдельных лиц, то есть индивидуальные коэффициенты дохода за годы и остатки для каждого человека за каждый год (неожиданные изменения дохода согласно моей модели) . Однако у меня есть много наблюдений с отсутствующими данными о доходах, по крайней мере, за один или несколько лет, поэтому при линейной регрессии я теряю большинство своих наблюдений. Структура данных такая:

caseid<-c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4)
years<-c(1998,2000,2002,2004,2006,2008,1998,2000,2002,2004,2006,2008,
1998,2000,2002,2004,2006,2008,1998,2000,2002,2004,2006,2008)
income<-c(1100,NA,NA,NA,NA,1300,1500,1900,2000,NA,2200,NA, 
NA,NA,NA,NA,NA,NA, 2300,2500,2000,1800,NA, 1900)
df<-data.frame(caseid, years, income)

Я решил использовать модель случайных эффектов, которая, как мне кажется, по-прежнему позволяет прогнозировать доход за недостающие годы с использованием подхода максимального правдоподобия. Однако, поскольку тест Хаусмана дает значительный результат, я решил использовать модель фиксированных эффектов. И я запустил приведенный ниже код, используя пакет plm:

inc.fe<-plm(income~years, data=df, model="within", effect="individual")

Однако я получаю коэффициенты только для лет, а не для отдельных лиц; и я не могу получить остатки. Чтобы, возможно, дать представление, код в Stata должен быть

 xtest caseid
 xtest income year
 predict resid, resid

Затем я попытался запустить функцию pvcm из той же библиотеки, которая является функцией для переменных коэффициентов.

inc.wi<-pvcm(Income~Year, data=ldf, model="within", effect="individual")

Однако я получаю следующее сообщение об ошибке: «Ошибка в FUN (X [[i]], ...): недостаточное количество наблюдений».

Как я могу получить индивидуальные коэффициенты и остатки с помощью pvcm, разрешив эту ошибку или используя какую-либо другую функцию?

Мои исходные данные в полной форме содержат 202976 наблюдений и 15 лет.

Я также был бы очень признателен за любые комментарии или предложения по выбору метода анализа. Большое тебе спасибо.


r panel-data plm random-effects
person Aslı Gürer    schedule 25.05.2016    source источник
comment
Итак, чтобы уточнить, ваша формула регрессии income~years, и вы ожидаете получить коэффициенты для чего-то еще, кроме years, а именно individuals?   -  person coffeinjunky    schedule 26.05.2016
comment
@coffeinjunky Я хочу получить коэффициенты изменения дохода по годам для каждого человека. Я хочу посмотреть, идет ли он по восходящей или нисходящей траектории и каков был наклон этой тенденции для каждого человека (казеид 1, казеид 2, казеид 3, казеид 4) по отдельности. Затем, на более позднем этапе, я хочу посмотреть на связь этой тенденции личного дохода с некоторыми переменными, связанными со здоровьем. Вот почему меня интересует коэффициент дохода ~ год для каждого человека.   -  person Aslı Gürer    schedule 26.05.2016
comment
Не могли бы вы предоставить некоторые выходные данные Stata, показывающие, что будут делать команды xtest caseid ; xtest income year? Я не эксперт по Stata, и ни моя версия Stata, ни Google не распознают эти команды. Кроме того, мне трудно понять, что вы хотите сделать. Регрессия A на B никогда не даст вам никаких коэффициентов, кроме коэффициента на B, и, в частности, коэффициентов для отдельных наблюдений.   -  person coffeinjunky    schedule 26.05.2016

Ответы (2)


arrow_upward
2
arrow_downward

Дает ли функция fixef из пакета plm то, что вы ищете? Продолжая ваш пример:

fixef(inc.fe)

Остатки извлекаются:

residuals(inc.fe)
person Helix123    schedule 26.05.2016
comment
Большое спасибо! Теперь я получил остатки. Я не знал об этих функциях, но недавно понял, что в такой модели (по ее логике) нет способа получить индивидуальные коэффициенты, я прав? - person Aslı Gürer; 30.05.2016

arrow_upward
0
arrow_downward

У вас есть модель случайных эффектов со случайными наклонами и пересечениями. Это также известно как модель регрессии случайных коэффициентов. Отсутствие - это сложная часть, которую (я предполагаю) вам придется написать собственный код для решения после того, как вы выберете, как вы хотите это сделать.

Но насколько я могу судить, вы четко / правильно не указали свою модель (по крайней мере, в своем вопросе). Определим несколько терминов:

Пусть Y_it = доход для ind i (i = 1, ..., N) в году t (t = 1, ..., T). Читая ваш вопрос, вы не указали, какую из двух моделей ниже вы хотите иметь:

M1: случайные точки пересечения, общий наклон, случайные наклоны

Y_it ~ N(\mu_i + B T + \gamma_i I T, \sigma^2) 
\mu_i ~ N(\phi_0, \tau_0^2) 
\gamma_i ~ N(\phi_1, tau_1^2)

M2: случайные пересечения, случайные наклоны

Y_it ~ N(\mu_i + \gamma_i I T, \sigma^2) 
\mu_i ~ N(\phi_0, \tau_0^2) 
\gamma_i ~ N(\phi_1, tau_1^2)

Кроме того, данные вашего примера бессмысленны (см. Ниже). Как видите, у вас недостаточно наблюдений для оценки всех параметров. Я не знаком с library(plm), но приведенные выше модели (без исключения) можно легко оценить в lme4. Без реалистичного примера набора данных я не буду утруждать себя кодом.

R> table(df$caseid, is.na(df$income))

    FALSE TRUE
  1     2    4
  2     4    2
  3     0    6
  4     5    1

Учитывая, что у вас действительно есть недостатки, вы должны иметь возможность производить оценки для любой иерархической модели с помощью типичных методов, таких как EM. Но я думаю, вам придется написать код, чтобы сделать оценку самостоятельно.

person Alex W    schedule 26.05.2016