如何在 R 中進行具有交互效應和滯后的固定效應回歸？

Question

我有一個國家 10 個不同地區在 2010-2020 年期間的面板數據。 我想衡量X1對Y的影響，如果Y是在s年投票支持極右政黨的人口比例， X1是在s年該地區尋求庇護者的比例。 我想測量X1在特定年份對Y的影響，當時所有地區的尋求庇護者急劇增加，以檢查尋求庇護者的增加是否對投票給極右翼政黨的人口比例有任何影響。 X2...Xn 是一堆控制變量。

我發現 package “最固定”並且可以運行正常的 FE 回歸，但似乎無法理解如何將 X1 的特定年份（“治療”年份，當所有地區的尋求庇護者增加時）包含交互效應。

這是我試圖估計的方程的一個示例： FE 回歸 model ，其中 (1) RHS 項是區域固定效應，(2) RHS 項是年份固定效應，(3) RHS 項是 2016 年和(4) RHS 項是所有控制變量，(5) RHS 項是誤差項。

下面是數據框的組成部分。

Year   Region   Y      X1    X2...Xn
2010   A        0.15  0.001
2011   A        0.25  0.05
.      .        .     .
.      .        .     .
2010   B        0.09  0.002
2011   B        0.14  0.04

Answer 1

您可以簡單地使用 function i()在連續變量 (x1) 和因子 (年份) 之間創建交互。 使用i的參數keep ，您可以 select 您想要保留的年份。

第二件事是滯后：只需在固定估計中使用fixest l() ，但它需要指定面板標識符。

這是預期行為的示例，它應該很容易適應您的情況：

library(fixest)

data(base_did)
est = feols(y ~ i(l(x1), period, keep = 10) | id + period, base_did, panel.id = ~id+period)
#> NOTE: 108 observations removed because of NA values (RHS: 108).
est
#> OLS estimation, Dep. Var.: y
#> Observations: 972 
#> Fixed-effects: id: 108,  period: 9
#> Standard-errors: Clustered (id) 
#>                      Estimate Std. Error t value Pr(>|t|) 
#> l(x1, 1):period::10 -0.263237   0.217412 -1.2108 0.228651 
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> RMSE: 4.8876     Adj. R2: 0.173257
#>                Within R2: 0.002642