R 中的时间假人是什么样的?

What do time dummies look like in R?

我对 R 的 plm 包中的 pgmm 函数有疑问

我看到了一个示例代码:

library(plm)
data("EmplUK", package = "plm")
emp.gmm <- pgmm(log(emp)~lag(log(emp), 1:2)+lag(log(wage), 0:1)+log(capital)+
                lag(log(output), 0:1)|lag(log(emp), 2:99),
                data = EmplUK, effect = "twoways", model = "twosteps")
summary(emp.gmm)

正如pgmm函数的用法中所述,我意识到摘要部分可以是这样的:

summary(emp.gmm, time.dummies = TRUE)

我尝试了两种代码并得到了两个不同的表格。第一个结果没有设置 time.dummies = TRUE,第二个结果有 time.dummies = TRUE.

Unbalanced Panel: n = 140, T = 7-9, N = 1031

Number of Observations Used: 611

Residuals:
      Min.    1st Qu.     Median       Mean    3rd Qu.       Max. 
-0.6190677 -0.0255683  0.0000000 -0.0001339  0.0332013  0.6410272 

Coefficients:
                        Estimate Std. Error z-value  Pr(>|z|)    
lag(log(emp), 1:2)1     0.474151   0.185398  2.5575 0.0105437 *  
lag(log(emp), 1:2)2    -0.052967   0.051749 -1.0235 0.3060506    
lag(log(wage), 0:1)0   -0.513205   0.145565 -3.5256 0.0004225 ***
lag(log(wage), 0:1)1    0.224640   0.141950  1.5825 0.1135279    
log(capital)            0.292723   0.062627  4.6741 2.953e-06 ***
lag(log(output), 0:1)0  0.609775   0.156263  3.9022 9.530e-05 ***
lag(log(output), 0:1)1 -0.446373   0.217302 -2.0542 0.0399605 *  
Unbalanced Panel: n = 140, T = 7-9, N = 1031

Number of Observations Used: 611

Residuals:
      Min.    1st Qu.     Median       Mean    3rd Qu.       Max. 
-0.6190677 -0.0255683  0.0000000 -0.0001339  0.0332013  0.6410272 

Coefficients:
                         Estimate Std. Error z-value  Pr(>|z|)    
lag(log(emp), 1:2)1     0.4741506  0.1853985  2.5575 0.0105437 *  
lag(log(emp), 1:2)2    -0.0529675  0.0517491 -1.0235 0.3060506    
lag(log(wage), 0:1)0   -0.5132048  0.1455653 -3.5256 0.0004225 ***
lag(log(wage), 0:1)1    0.2246398  0.1419495  1.5825 0.1135279    
log(capital)            0.2927231  0.0626271  4.6741 2.953e-06 ***
lag(log(output), 0:1)0  0.6097748  0.1562625  3.9022 9.530e-05 ***
lag(log(output), 0:1)1 -0.4463726  0.2173020 -2.0542 0.0399605 *  
1979                    0.0105090  0.0099019  1.0613 0.2885484    
1980                    0.0246512  0.0157698  1.5632 0.1180087    
1981                   -0.0158019  0.0267313 -0.5911 0.5544275    
1982                   -0.0374420  0.0299934 -1.2483 0.2119056    
1983                   -0.0392888  0.0346649 -1.1334 0.2570509    
1984                   -0.0495094  0.0348578 -1.4203 0.1555141    

这里我想知道time.dummies是什么意思,time.dummies长什么样子。谁能帮帮我?

通过在 pgmm() 调用中设置 effect = "twoways",您可以包含双向固定效果,即面板组级别和时间级别的固定效果。

固定效应基本上是所有组的虚拟变量,以及模型中包含的时间步长。 (实际实施会稍微复杂一些,但可以证明结果是相同的。)如果您期望例如在特定时间步影响所有面板组的冲击,您将包括这些。为了不使您的系数估计产生偏差,您必须包括一个固定效应,它捕获在给定时间步长(在您的情况下为一年)冲击对因变量的影响。

time.dummies 选项在输出中包含或排除时间固定效应的系数。请注意,该模型是使用固定效应估计的(请记住 pgmm() 调用中的 effect 选项)。

时间虚拟变量的所有系数在统计上都不显着,因此解释无法提供信息。 1979 年的 0.0105090 估计值意味着 1979 年各小组的平均就业对数比所有年份的平均值大 0.0105090。尽管系数估计值在统计上不显着,因此应谨慎处理这种解释。

有关理论的更多信息,请查看 Panel Data Econometrics with R 中的第 1.1.1.3 章,作者是 Croissant 和 Millo(plm 包的开发者)。