在面板数据分析固定效应模型中将整体截距添加到R中的stargazer表中

Question

我希望添加固定效应模型的整体截距（“面板数据分析内”）。这是 Stata 中的常见做法，我希望通过包含整体截距来模仿 Stata 输出。

library(stargazer)
library(plm)

data("Hedonic", package = "plm")
mod_fe <- plm(mv ~ age + crim, data = Hedonic, index = "townid")
overallint <- within_intercept(mod_fe)
overallint

stargazer(mod_fe, type = "text")

             Dependent variable:    
         ---------------------------
                     mv             

---

年龄-0.004***
(0.001)

犯罪-0.009***
(0.002)

---

观察506
R2 0.147
调整后的 R2 -0.046
F 统计量 35.431*** (df = 2; 412)

注：*p<0.1; **p<0.05; ***p<0.01

我找不到任何相关信息来添加拦截。

mod_fe

对象不存储截距，因此我无法从那里提取它。

within_intercept

函数计算实际值。

Answer 1

阅读

within_intercept

的文档（以及包含的示例），您会发现该函数还可以使用参数

return.model = TRUE

输出带有截距（而不仅仅是截距）的模型对象。

一个完整的示例，包括。比较带截距和不带截距的 FE 模型的观星仪输出为：

library(plm)
data("Hedonic", package = "plm")
mod_fe <- plm(mv ~ age + crim, data = Hedonic, index = "townid")
mod_fe_int <- within_intercept(mod_fe, return.model = TRUE)
stargazer::stargazer(mod_fe, mod_fe_int, type = "text")
#> 
#> ============================================================
#>                            Dependent variable:              
#>              -----------------------------------------------
#>                        mv                    transY         
#>                        (1)                     (2)          
#> ------------------------------------------------------------
#> age                 -0.004***               -0.004***       
#>                      (0.001)                 (0.001)        
#>                                                             
#> crim                -0.009***               -0.009***       
#>                      (0.002)                 (0.002)        
#>                                                             
#> Constant                                    10.260***       
#>                                              (0.049)        
#>                                                             
#> ------------------------------------------------------------
#> Observations           506                     506          
#> R2                    0.147                   0.147         
#> Adjusted R2          -0.046                   0.143         
#> F Statistic  35.431*** (df = 2; 412) 35.431*** (df = 2; 503)
#> ============================================================
#> Note:                            *p<0.1; **p<0.05; ***p<0.01

注意：在这种情况下，

within_intercept

返回的模型对象在技术上将自身标识为池模型。