PLM包中的pmg和PCCE功能有什么区别?两者的细节在描述中几乎相同。我想使用 plm 函数对面板数据执行 mg、pmg 和 CCE mg 测试。我认为 pmg 和 pcce 是正确的函数。有人可以确认我将使用哪个功能吗?
PMG函数提供的参考是2006年的,其中讨论了共同相关效应(CCE)均值组或池。我想知道 PMG 在 plm 包中是否没有 CCE 还是有 CCE。
从
plm
包的第一个小插图中我们看到这两个函数都可以估计共同点
相关效应 MG (CCEMG) 模型(也来自 ?plm::pmg
和 ?plm::pcce
):
pmg:平均组 (MG)、贬低 MG (DMG) 和普通组的估计量 异质面板模型的相关效应 MG (CCEMG),pcce: 常见相关效应均值组的估计量 (CCEMG) 和 具有共同因素的面板数据的汇总(CCEP)
那么,让我们看看我们是否可以通过参数化从两个函数获得相同的估计来估计“CCEMG”模型:
library(plm)
data("Produc", package = "plm")
pProduc <- pdata.frame(Produc)
form <- log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp
pccemgmod <- pcce(form, data = pProduc, model = "mg")
pmgccemgmod <- pmg (form, data = pProduc, model = "cmg")
common <- intersect(names(pccemgmod[["coefficients"]]), names(pmgccemgmod[["coefficients"]]))
(coef_pccemgmod <- round(pccemgmod[["coefficients"]][common], digits = 7))
#> log(pcap) log(pc) log(emp) unemp
#> 0.0899850 0.0335784 0.6258657 -0.0031178
(coef_pmgccemgmod <- round(pmgccemgmod[["coefficients"]][common], digits = 7))
#> log(pcap) log(pc) log(emp) unemp
#> 0.0899850 0.0335784 0.6258659 -0.0031178
您会得到相同的结果。
pcce(., model = "mg")
和pmg(., model = "cmg")
估计相同的模型,但内部以不同的方式,因此当您查看许多数字时,由于数值精度,系数可能会略有不同。