Pandas问题中的面板回归
面板回归（Panel Regression）是一种多变量回归分析方法，用于探究面板数据中多个因变量和自变量之间的关系。面板数据是指在一段时间内观察多个个体或单位的数据，如跨国公司在不同时间点上的财务数据或跨省份的经济指标数据等。面板回归可以帮助我们理解面板数据中各个变量之间的相关性和影响程度。
面板回归的优势在于：
- 利用面板数据可以更好地控制时间和个体的固定效应，减少了误差项中的异质性。
- 能够捕捉时间序列和横截面的变动特征，提供了更全面的数据分析。
- 可以控制个体之间的相关性，更准确地估计变量之间的关系。
面板回归的应用场景包括但不限于：
- 经济学领域中的宏观经济分析和政策评估。
- 金融学领域中的资产定价和风险管理。
- 社会科学领域中的教育、劳动力市场和社会福利等研究。
- 市场营销中的消费者行为分析和市场细分。
对于面板回归分析，可以利用Python中的Pandas库进行数据处理和回归分析。Pandas是一个强大的数据分析工具，具有丰富的数据结构和数据处理功能，适用于面板数据的处理和分析。
腾讯云提供了云计算相关的产品和服务，其中包括适用于面板回归分析的数据库、数据分析和人工智能服务等。您可以参考腾讯云的产品文档和官方网站获取更详细的信息：
- 腾讯云数据库：https://cloud.tencent.com/product/cdb
- 腾讯云数据分析服务：https://cloud.tencent.com/product/tcaplusdb
- 腾讯云人工智能服务：https://cloud.tencent.com/product/tencent-ai
请注意，以上答案仅为示例，实际答案可能根据问题和背景的具体要求有所调整。
相关·内容
1回答
我目前正在使用from pandas.stats.plm import PanelOLS运行面板回归。我需要切换到状态模型，以便输出异方差稳健的结果。我一直无法找到调用状态模型面板回归的符号。通常，我发现statsmodel的文档不太适合用户使用。有人熟悉状态模型中的面板回归语法吗？
浏览 1提问于2016-05-16得票数 6
回答已采纳
在最新版本的熊猫中，所有的ols功能都被废弃了(pandas.stats实际上已经消失了，并且没有PanelOLS或ols功能)。我试图使用状态模型运行面板回归，但却找不到一种有效的方法。以前，我可以使用这样的代码：
panel_ols = ols(y=DataFrame, x=DataFrame, ...,)
这将使用单个面板回归中的所有数据来估计系数。
现在有什么办法吗？
浏览 11提问于2017-08-30得票数 2
1回答
我在理解如何在pandas中实现Panel OLS时遇到了一点困难。我在这个话题上得到了帮助，我认为我已经了解了情况。现在我正在尝试实现，我遇到了困难。以下是我的数据：
url='https://raw.githubusercontent.com/108michael/ms_thesis/master/crsp.dime.mpl.df.1'
df=pd.read_csv(url, usecols=(['date', 'cid', 'log_diff_rgdp', 'billsum_support', \
浏览 0提问于2016-05-09得票数 0
1回答
我有一个包，它使用熊猫面板生成MultiIndex DataFrames。但是，每当我使用pandas.Panel时，都会得到以下DeprecationError：
DeprecationWarning:不再推荐面板，并将在以后的版本中删除。表示这些类型的三维数据的推荐方法是通过MultiIndex ()方法在DataFrame上使用Panel.to_frame()。或者，您可以使用xarray包。熊猫提供了一个.to_xarray()方法来帮助自动转换。
但是，我不明白这里的第一条建议实际上是推荐什么来创建MultiIndex DataFrames。如果面板将被删除，我如何才能使用P
浏览 4提问于2018-01-28得票数 19
回答已采纳
2回答
简单地问一下，如果我想将对象分类为0或1，但我希望模型返回一个“可能”的概率--例如，如果一个对象是0.7，它意味着它有0.7的机会在第1类中，我是进行回归还是坚持使用分类器并使用predict_proba函数？
回归与predict_proba函数有何不同？
任何帮助都是非常感谢的！
谢谢!
浏览 0提问于2017-04-04得票数 1
回答已采纳
1回答
我正试图根据像素的强度(或颜色)将一条线与图像相匹配。下图显示了面板1中的典型测试映像，并在面板2中手动绘制了一条线。
。
我想使用回归分析生成类似于面板2中手动绘制的直线。但是，我不能使用简单的线性回归，因为与所有图像一样，x和y轴都有错误。
我是开放的算法描述与相关的方程式，链接等。不一定是我可以复制和粘贴的代码。
方法--我想避免
将绘制在各种斜率上的像素的一系列合成二值图像与实际数据图像相关联。例如，下面这两幅图像的相关性会很好，但我还是想避免这种方法。
使用骨架化算法对图像进行约简，从而可以使用简单的线性回归。
浏览 3提问于2016-12-01得票数 0
回答已采纳
1回答
在R中高效地处理多个面板数据
、、、、
我正在尝试对一个“不断变化”的面板数据集进行几个池化OLS回归。plm包中的Gasoline数据将非常适合作为示例
library(plm)
data("Gasoline", package = "plm")
head(Gasoline)
country year lgaspcar lincomep lrpmg lcarpcap
1 AUSTRIA 1960 4.173244 -6.474277 -0.3345476 -9.766840
2 AUSTRIA 1961 4.100989 -6.426006 -0.3513276 -9.60862
浏览 1提问于2013-04-23得票数 1
回答已采纳
2回答
我正在尝试对pandas Dataframe运行一个面板回归：
目前，我有两个数据帧，每个数据帧包含52行(日期)*99列(99个股票) :
运行时：
est=sm.OLS(Stockslist,averages).fit()
est.summary()
我得到形状:ValueError ( 52 , 99 )和(52,99)未对齐:99(尺寸1) != 52(尺寸0)
有人能指出我哪里做错了吗？模型简单地是y(i，t)=x(i，t)+误差项，所以没有截距。然而，我想在未来添加时间效果。
致以亲切的问候，杰伦
浏览 0提问于2016-04-18得票数 7
我正在使用Python linearmodels运行一个面板回归，类似于： import pandas as pd
from linearmodels.panel import PanelOLS
data = pd.read_csv('data.csv', sep=',')
data = data.set_index(['panel_id', 'date'])
controls = ['A','B','C']
controls['const'] = 1
model
浏览 7提问于2020-04-06得票数 1
回答已采纳
1回答
我搜索了很多问题，但没有一个是使用plm的。
我有一个公司的年度面板数据dt，每个公司都有不同的年度观察值。我有一个面板回归：
plm(y~ lag(x1, 1)+ lag(x2, 1)+ lag(log(x3), 1),
data= dt, model= "within", effect= "twoways", index= c("firm", "fyear"))
我想对每个公司组使用这个面板回归。我尝试过by、dplyr中的group by和lmList，但它们都不能在plm上运行。因为我的回归中有滞后项，所以我必须使用plm
浏览 3提问于2018-08-19得票数 1
回答已采纳
1回答
我正在使用ggplot绘制面板数据，并且我想将我的固定效果模型"fixed“的回归线添加到图中。这是当前的代码： # Fixed Effects Model in plm
fixed <- plm(progenyMean ~ damMean, data=finalDT, model= "within", index = c("sireID", "cropNum"))
# Plotting Function
plotFunction <- function(Data){
ggplot(Data, aes(x=dam
浏览 35提问于2021-08-25得票数 1
回答已采纳
1回答
在Python/Pandas中，我使用PanelOLS函数。此函数使您能够对标准错误进行聚类。例如：
PanelOLS(y=panel.Y, x=panel[['X1', 'X2'], nw_lags=10, time_effects=True,
cluster='time')
但是，我也希望通过entity和time对标准错误进行聚类。
是否有办法这样做？如果没有，那么statsmodel中的面板函数如何？我很难找到关于使用状态模型的Panel回归的文档。
UPDATE如果我控制使用newey延迟(nw_lags)，这不像cl
浏览 6提问于2015-08-12得票数 1
2回答
我试图运行一个面板回归在Stata与个人和时间固定的效果。我有很多个人和时间在我的样本，所以我不想打印所有他们的结果。但是，我在网上读到的文档只显示了如何运行带有一个固定效果的面板回归，而没有显示固定效果估计：
xtset id time
xtreg y x, fe //this makes id-specific fixed effects
或
areg y x, absorb(id)
这两种编码的结果是相同的。
有谁知道如何运行面板回归与id和时间固定的效果，但没有显示的估计？
浏览 1提问于2018-03-18得票数 0
回答已采纳
我想在晶格的一个面板上叠加多个组，并想要独立的回归线。
很容易得到多个面板，每个面板都有一条回归线，通过使用一个条件因子：
xyplot(
Petal.Width ~ Petal.Length | Species,
data = iris,
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
panel.abline(lm(y~x), col='#0080ff')
},
grid = TRUE
)
打印叠加xyplot中所有点的单个回归也是相当容易的：
xyplot(
P
浏览 4提问于2013-01-07得票数 6
回答已采纳
我有一个不同年份的数据集，所以是面板数据。我知道我应该在非线性回归模型中使用什么特性。我已经使用nls()函数为每年寻找系数，然后取这些系数的平均值。
我想知道这样做是否合理，还是应该对面板数据采取另一种非线性回归策略？
浏览 0提问于2019-06-15得票数 -1
回答已采纳
2回答
我正在使用r中的面板数据(20年，150个国家)运行线性模型回归。我看到由于缺失值，2000个观察值被排除在我的回归之外。大约有4000个观测值进入回归。
我想知道是否有任何国家由于缺失值而被排除在回归之外。我怎么才能知道这件事？
浏览 20提问于2021-05-28得票数 0
我用Python的Scikit-learn库编写了一个简单的线性回归和决策树分类器代码来预测结果。效果很好。
我的问题是，是否有一种方法可以向后进行，根据估算的结果预测参数值的最佳组合(参数，其中精度将是最好的)。
或者我可以这样问，是否有分类、回归或其他类型的算法(决策树、支持向量机、KNN、Logistic回归、线性回归、多项式回归……)可以根据一个(或多个)参数/s预测多个结果？
我试着用多变量结果来做这件事，但是它显示了错误：
ValueError:预期的2D数组，得到1D数组代替: array=101 905 182 268 646 624 465。如果数据具有单个特性，则使用ar
浏览 0提问于2019-06-08得票数 10
回答已采纳
1回答
首先，如果这个问题已经得到回答，我很抱歉。这是我关于堆栈溢出的第一篇文章。
我有一个由股票市场数据组成的面板，如这个工作示例所示：
d <- data.frame(Time = rep(seq.Date( Sys.Date(), length=10, by="day" )),
Stock = rep(LETTERS[1:3], each=10 ),
x1 = rep(sample(10:30, 10), 3),
x2 = rep(sample(10:30, 10), 3),
x3 = rep(sample(10:30, 10), 3))
基
浏览 1提问于2014-08-20得票数 2
回答已采纳
1回答
我正在使用"rqpd“包在R中运行以下分位数回归的面板数据：
library(rqpd)
data(bwd)
cre.form1 <- dbirwt ~ smoke + dmage + agesq + novisit + pretri2 +
pretri3 | momid3 |smoke
crem.fit1 <- rqpd(cre.form1, panel(method="cre", taus <- c(0.9)),data=bwd)
rqpd包格式为
我可以通过以下方式获得结果
summary(crem.fit1)
然而，我想知道伪拟合度(拟合优度
浏览 1提问于2019-04-03得票数 0
lmplot在海上拟合回归模型与截距。然而，有时我想拟合回归模型，而不拦截，即通过原点进行回归。
例如：
In [1]: import numpy as np
...: import pandas as pd
...: import seaborn as sns
...: import matplotlib.pyplot as plt
...: import statsmodels.formula.api as sfa
...:
In [2]: %matplotlib inline
In [3]: np.random.seed(2016)
In [4]: x
浏览 4提问于2016-01-11得票数 24
因此，我有一个熊猫面板，其中包含了每个面板项目的时间序列数据。我现在要做的是将每一项与一组引用数据进行比较，以确定项目数据是否在任何时候超过了引用数据，以便生成所有超过引用数据的项的列表。因此，我的意图是构建一个布尔数据面板，并使用any()对其进行简化，从而生成一个一维结构来掩盖项目。就比较而言，如果我想考虑一个单一的dataframe，那么比较就会成功，但是如果我尝试将整个面板与一个系列进行比较，那么我将得到一个dataframe而不是一个面板。
>>>datapanel = pd.Panel(...)
>>>datapanel
<class &#
浏览 4提问于2016-03-30得票数 1
回答已采纳
pipe=Pipeline(steps=[('standardscaler', StandardScaler()),
('logisticregression', LogisticRegression())])
pipe.fit(X_train,y_train)
random_estimator = RandomizedSearchCV(estimator = pipe,
param_distributions = random_grid,
浏览 8提问于2022-08-26得票数 0
1回答
为了验证差异的统计意义，我尝试比较两个不同时间段的同一面板回归的两个系数。因此，首先对2007-2009年的观测数据进行面板回归，得到一个我感兴趣的系数的估计值，与2010-2017年期间从同一个面板模型得到的相同系数的估计值进行比较。
基于，我试图计算一个似然比检验。在相关的讨论中，他们使用了一个简单的线性方程。如果我在R中使用与答案中描述的相同的命令，我就会得到基于发行版的结果，我不明白我是否以及如何解释它。
在中，我做了以下工作：
linearHypothesis(reg.pannel.recession.fe, "Exp_Fri=0.311576")
reg.panne
浏览 3提问于2020-03-17得票数 1
回答已采纳
1回答
有没有python包(statsmodel/scipy/pandas/etc...)具有在python中估计具有自回归误差的线性回归模型的系数的功能，例如下面的SAS实现？
浏览 2提问于2016-04-12得票数 2
1回答
我有如下结构的数据：
正如你所看到的，我有“多维面板数据”，也就是说，我不仅有年份和国家，也有行业作为第三个“指数”。我用fixest软件包进行了面板回归分析，以调查PE行业(这是一个虚拟变量)是否会对就业增长产生影响。此外，我在回归分析中包括了几个固定效应(在这种情况下，是国家年、工业年份和国家工业)。
我现在要做的是用来自pgrangertest包的plm公式测试格兰杰因果关系。然而，对于面板分析，我没有使用plm软件包，因为我不能包含三个指标(即年份、国家、行业)，也不能考虑三个固定的交互作用效应(即国家年、产业年和国家工业)。对于fixest包和feols公式来说，这要容易得多。
浏览 21提问于2022-08-29得票数 1
1回答
我有一个包含面板数据的数据框，如下所示：
countrycode year 7111 7112 7119 7126 7129 7131 7132 7133 7138
1 AGO 1981 380491 149890 238832 0 166690 449982 710642 430481 890546
2 AGO 1982 339626 66434 183487 0 79682 108356 486799 186884 220545
3 AGO 1983 128043
浏览 0提问于2019-12-15得票数 1
我使用的是0.7.3版中的pandas.ols函数。我对进行移动回归很感兴趣，例如：
model = pandas.ols(y = realizedData, x = pastData, intercept = 0, window_type="rolling", window = 80, min_periods = 80)
输入包含大约600个日期的数据，其中15个是NA值。但是输出只包含大约120个日期的回归结果。问题是，只要窗口包含一个NA值，该窗口就没有输出。如果我将window_type更改为expanding，并且如预期的那样获得了大约500个输出点，那么这个问题就会
浏览 3提问于2012-06-26得票数 5
回答已采纳
我有一个8年来多家公司的面板数据集，我正在尝试使用具有行业特定效果的池化OLS，并使用‘`reghdfe’命令来控制类别变量(NAICS行业代码)。我打字
reghdfe DV IV control variables i.year, absorb(NAICS Industry Code)
这是命令的正确使用方式吗？在变量中使用i.year是正确的，还是应该将其添加到已吸收的变量中？
此外，我还使用了固定效果面板回归和控制来处理聚集的标准错误。我是否也必须在reghdfe中控制聚集的标准误差，或者仅在固定效果面板回归中进行控制就足够了？
浏览 0提问于2021-06-10得票数 0
1回答
我使用的是Pandas 0.8.1，目前我不能更改版本。如果更新的版本可以帮助您解决下面的问题，请在评论而不是答案中注明。此外，这是为了一个研究复制项目，所以即使在仅添加一个新数据点之后重新运行回归可能是愚蠢的(如果数据集很大)，我仍然必须这样做。谢谢!
在Pandas中，pandas.ols的window_type参数有一个rolling选项，但这似乎隐含着需要选择窗口大小或使用整个数据样本作为默认值。我希望以累积的方式使用所有数据。
我正在尝试对按日期排序的pandas.DataFrame运行回归。对于每个索引日期，我希望使用从最小日期到索引i处的日期的可用数据运行回归。因此，窗口在每次迭
浏览 5提问于2013-02-27得票数 5
回答已采纳
1回答
本文采用线性回归、物流回归、决策树三种不同的算法来解决同一预测问题，并对它们的误差度量进行了比较。最初的问题是MAE、MSE和RMSE值随着每次运行而不断变化，这对我来说确实是个问题。建议的解决方案是使用random_state。
"random_state“参数适用于Logistic回归和决策树，但线性回归不接受此参数。在这种情况下，如何防止错误度量值的更改？对于线性回归，有什么替代"random_state“的方法吗？
浏览 4提问于2022-04-12得票数 0
我试图使用plm软件包对R中的不平衡面板进行面板回归。我正在使用'Hedonic‘数据运行同样的。
我试图复制在以下文章中所做的类似工作： (第14页，3.2.5不平衡面板)。
我的代码如下所示：
form = mv ~ crim + zn + indus + chas + nox + rm + age + dis + rad + tax + ptratio + blacks + lstat
ba = plm(form, data = Hedonic)
但是，在执行过程中会出现以下错误：
Error in names(y) <- namesy :
'names
浏览 7提问于2017-07-04得票数 0
回答已采纳
1回答
在python中逐组创建引导示例
、、、、
我有一张像这样的数据：
y X1 X2 X3
ID year
1 2010 1 2 3 4
1 2011 3 4 5 6
2 2010 1 2 3 4
2 2011 3 4 5 6
2 2012 7 8 9 10
...
我想从原始df创建几个引导样本，计算新引导样本上的固定效果面板回归，而不是存储相应的beta系数。我发现的用于“正常”线性回归的方法如下
betas = pd.DataFrame()
for i in range(10):
# Creating a bootstra
浏览 2提问于2020-06-30得票数 0
回答已采纳
对pandas数据帧中的每一列或每一行应用回归，而不使用for循环。 有一个类似的帖子；Apply formula across pandas rows/ regression line，它对每个“行”进行回归，但是绘制给出的答案是错误的。我不能评论它，因为我没有足够的声誉，它的主要问题是，它接受列的值，但然后在每一行上使用apply函数。 目前我只知道如何做每个专栏，例如。 np.random.seed(1997)
df = pd.DataFrame(np.random.randn(10, 4))
first_stats = scipy.stats.linregress(df.index
浏览 16提问于2019-04-17得票数 3
回答已采纳
1回答
我希望将所有变量都包含到面板回归中，但是我有一些疑问，如何做到这一点(~.不适用于面板回归)。 library(plm)
data("Produc", package="plm")
varnames<-names(Produc)[5:length(Produc)]
exp <- paste0(varnames,collapse='+')
plm(as.formula(pcap~exp),data='Produc') 我看到了错误 Error in if (!id.name %in% names(x)) stop(pa
浏览 15提问于2020-11-26得票数 0
回答已采纳
如果内存为我服务，在R中有一种称为因子的数据类型，当在DataFrame中使用时，它可以自动解包到回归设计矩阵的必要列中。例如，包含True/False/Mayse值的因子将转换为：
1 0 0
0 1 0
or
0 0 1
用于使用低级回归代码。有没有办法使用pandas库来实现类似的功能？我看到在Pandas中有一些回归支持，但是因为我有自己的自定义回归例程，所以我真的对从异构数据构建设计矩阵(2dnumpy数组或矩阵)感兴趣，支持在numpy对象的列和派生它的Pandas DataFrame之间进行反向和fort映射。
更新:下面是一个数据矩阵示例，其中包含我正在考虑的类型的异构数据(该
浏览 1提问于2012-04-18得票数 11
回答已采纳
我正在使用sklearn和mlxtend.regressor.StackingRegressor来建立一个叠加回归模型。例如，假设我想要下面的小管道：
具有两个回归项的堆叠回归器：
一条管道，它：
执行数据计算
1-热编码分类特征
进行线性回归
- A pipeline which:
- Performs data imputation
- Performs regression using a Decision Tree
不幸的是，这是不可能的，因为StackingRegressor在其输入数据中不接受NaN。即使它的回归器知道如何处
浏览 19提问于2022-02-18得票数 2
回答已采纳
使用Pandas dataframe和stats ols方法，我可以使用以下代码运行回归
import pandas as pd
from pandas.stats.api import ols
df = pd.DataFrame({"A": [56, 55, 57, 58, 56, 58, 59, 60, 63, 62, 63, 65, 66, 68], "B": [1,2,3,4,5,6,7,8,9,10,11,12,13,14]})
res = ols(y=df['A'], x=df[['B']])
然而，尽管这是可行的
p
浏览 1提问于2016-11-10得票数 2
回答已采纳
我使用的是statsmodels的OLS线性回归和Patsy四次公式y ~ x + I(x**2) + I(x**3) + I(x**4)，但是与LibreOffice计算相比，得到的回归不太适合数据。为什么这与LibreOffice计算产生的结果不匹配？ statsmodels代码： import io
import numpy
import pandas
import matplotlib
import matplotlib.offsetbox
import statsmodels.tools
import statsmodels.formula.api
csv_data = "
浏览 28提问于2019-02-09得票数 1
回答已采纳
1回答
我希望在面板数据中运行回归。我的索引中有NA (ID，time)。我不想删除索引中的NA。
Result<-plm(TBL~Tang+Prof+LnSALES+MB,data=Panel,model="within",index=c("Firms","Time"))
当我看到上面的代码时，它返回：
at least one couple (id-time) has NA in at least one index dimension in
resulting pdata.frame
to find out which, use e.g.
浏览 0提问于2017-11-11得票数 2
回答已采纳
我刚刚开始学习Python，我想知道如何用价格数据的时间序列绘制线性回归曲线(例如，封闭价格，它只有y因子)。
import pandas as pd
import pandas_datareader.data as web
import matplotlib.pyplot as plt
from datetime import datetime
start=datetime(2015,1,1)
end=datetime(2015,12,31)
df = web.DataReader("AMZN", "yahoo", start, end)
close =
浏览 6提问于2016-12-05得票数 1
回答已采纳
在一家医院随机挑选的25名病人。除了满意度，还收集了关于患者年龄和衡量疾病严重程度的指数的数据。(a)拟合与患者年龄相关的满意度线性回归模型。完成(b)检验回归的显著性。(需要获取Anova表) from pandas import DataFrame
import statsmodels.api as sm
from statsmodels.formula.api import ols
Stock_Market = {'Satisfaction': [68,77,96,80,43,44,26,88,75,57,56,88,88,102,88,70,52,43,4
浏览 50提问于2020-04-24得票数 1
2回答
我有一个有10列的Pandas数据，其中9个是用来预测第10列的特性。
如何将Pandas数据转换成X和y向量以用于线性回归问题？
浏览 0提问于2019-09-02得票数 0
回答已采纳
我正尝试在我的面板数据中运行固定效果回归(使用plm软件包)。水平上的回归效果很好，所以使用对数变量的第一次回归也是如此(我只将因变量和一些自变量放在对数上，这是货币方面的)。然而，我对日志的回归停止了。
require (AER)
library (AER)
require(plm)
library("plm")
#Indicates the panel and the time and individual columns
dd <- pdata.frame(painel, index = c ('Estado', 'Ano'))
浏览 23提问于2020-02-06得票数 0
回答已采纳
我一直在寻找最新的方法来创建一个线性回归模型，给定一个Pandas Dataframe。
DF看起来如下：
+---------------------+-------------+--------------------+--------------------+
| Date | YearWeekNum | Dependent_Variable | Bonus_Grouping_Int |
+---------------------+-------------+--------------------+--------------------+
| 2017
浏览 0提问于2018-01-16得票数 0
回答已采纳
1回答
我用一支数码笔在触摸屏上使用ubuntu12.10记录笔记，当我这样做的时候，我宁愿拥有我所有的桌面。另一方面，在做其他事情时，我会在应用程序之间切换很多。所以我想在我的键盘上做一个快捷方式来切换统一面板的状态。我尝试了这里建议的命令：更改启动程序“隐藏”设置的快捷方式
gconftool-2 --type int --set "/apps/compiz-1/plugins/unityshell/screen0/options/launcher_hide_mode" 2
但似乎这些命令不起作用。我安装了gconf-editor并手动更改了变量的值，但这也无济于事。不过，这些命令
浏览 0提问于2013-03-27得票数 8
回答已采纳
1回答
我对R中的面板数据几乎没有经验，我正在尝试用plm-package运行一个简单的面板回归。但是，在将我的数据帧转换为pdata.frame时，我的时间索引变量被转换为因子变量。这意味着，如果我想将因变量回归为时间的函数，回归会为时间生成一个很长的虚拟变量列表，并为每个变量计算单独的系数。我只想要每个时间单位的平均效果(即平均每月增加/减少点数)。
示例数据帧：
ID Date Points
1 1/11/2014 2
1 1/12/2014 4
1 1/1/2015 6
1 1/2/2015 8
2 1/11/20
浏览 2提问于2015-08-02得票数 0
我正在运行一个面板数据回归。我想运行for循环来获得回归结果，每次删除一个实体时，这样我就可以通过比较不同的系数来查看我的结果是由特定的实体驱动的，还是在整个样本中是一致的。我目前正在使用这个for循环 forvalues i = 1/19{
use "sample_seven.dta", clear
drop if countryid == i
xtscc ln_gdp tech population inflation tradebalance i.year, fe} 然而，当我运行上面的代码时，我得到了19个回归，其中每个回归中只有两个观察值被丢弃。
浏览 27提问于2020-12-30得票数 0
回答已采纳
快速问一问，在你看来，使/parts文件内容可以从Wordpress管理员编辑给用户的最佳方法是什么？
myTheme：
零件
with (英雄横幅，例如，有一些简短的内容)
- templates
- template-homepage.php <-- get\_template\_part('parts/some', 'block' )
- template-page.php <-- get\_template\_part('parts/some', 'block
浏览 3提问于2017-12-01得票数 0
1回答
我正在尝试使用密歇根消费者调查的面板数据进行回归分析。这是我第一次在R上使用面板数据，所以我不是很清楚所需的软件包"plm“。我正在设置对个人的固定效果(CASEID)和时间(YYYY)的面板数据： Michigan_panel <- pdata.frame(Michigan_survey, index = c("CASEID", "YYYY")) 然后我使用下面的回归： mod_1 <- plm(data = Michigan_panel, ICS ~ ICE + PX1Q2 + RATEX + ZLB + INCOME + AGE
浏览 25提问于2021-06-21得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
