具有不平衡数据的面板校正标准误差估计 (pcse) 模型

Question

我在 28 年的时间里有一个由 108 个国家/地区组成的不平衡面板，我正在尝试估计一个具有面板校正标准误差的模型。但是我的尝试失败了，因为我收到以下错误消息： Error in pcse(lm, groupN = data$id, groupT = data$time, pairwise = TRUE): Length of groupN and groupT must equal nrows of using data.

我的数据集大致如下所示：

library(plm)
data(Grunfeld)
setDT(Grunfeld)[firm %in%c(1,4,7,9) & year>=1950,inv:=NA] # creating unbalanced data
head(Grunfeld,20)
# firm year   inv  value capital
# 1:    1 1935 317.6 3078.5     2.8
# 2:    1 1936 391.8 4661.7    52.6
# 3:    1 1937 410.6 5387.1   156.9
# 4:    1 1938 257.7 2792.2   209.2
# 5:    1 1939 330.8 4313.2   203.4
# ....
# 15:    1 1949 555.1 3700.2  1020.1
# 16:    1 1950    NA 3755.6  1099.0
# 17:    1 1951    NA 4833.0  1207.7
# 18:    1 1952    NA 4924.9  1430.5
# 19:    1 1953    NA 6241.7  1777.3
# 20:    1 1954    NA 5593.6  2226.3

因此，对于某些公司，我在过去几年 (1950-54) 的因变量 (inv) 上缺少值。

为了计算我的情况，我首先估计线性模型。出于理论上的原因，我使用滞后。

lm<- lm(inv ~ lag(value,k=1)+ lag(capital, k = 1) + as.factor(year) + as.factor(firm), data = Grunfeld)
summary(lm)

然后我尝试添加我的面板更正标准错误，但是当我运行命令时出现错误消息。

lm.pcse <- pcse(lm, groupN=Grunfeld$firm, groupT=Grunfeld$year,
                 pairwise=TRUE)
#Error in pcse(lm, groupN = Grunfeld$firm, groupT = Grunfeld$year, #pairwise = TRUE) : 
#  Length of groupN and groupT must equal nrows of using data.

有人知道我该如何解决这个问题吗？

非常感谢您的帮助

Answer 1

我从来没有能够让这个包在包含的演示之外工作——但是我以前解决过这个问题（结果遇到新问题！）。

您的错误可能是由于“使用数据”不包括 lm() 省略的观察结果但您的 groupN 和 T 向量包含（因为它们是从完整数据表中提取的，缺少数据和所有）。

我过去所做的是运行模型，使用 model.frame() 提取“使用数据”，然后将新数据帧用于运行 lm()和 pcse()。类似于以下内容：

lm <- lm(inv ~ lag(value,k=1)+ lag(capital, k = 1) + as.factor(year) + as.factor(firm), data = Grunfeld)

dfPCSE <- model.frame(lm)

lm <- lm(inv ~ lag(value,k=1)+ lag(capital, k = 1) + as.factor(year) + as.factor(firm), data = dfPCSE)

lm.pcse <- pcse(lm, groupN=dfPCSE$firm, groupT=dfPCSE$year,
                 pairwise=TRUE)

Answer 2

我曾经遇到过这个问题。使用 na.omit 删除数据集中的缺失值。

具有不平衡数据的面板校正标准误差估计 (pcse) 模型

Panel-Corrected Standard Error Estimation (pcse) model with unbalanced data

r

panel

linear-regression