如何解决时间和季节性假人
我有一个更哲学的问题。我有一个模型，其中包含从 t = 1,...,T 开始运行的季度虚拟变量，其中 T 很大（比如 100），还有一组从 q = 1,2,3,4 运行的季度虚拟变量。模型看起来像这样；
y_itq = MU_t + Q_q + E_itq，
其中 E 是残差项，i 是主题标识符。因此，数据被构造为（在我的情况下不平衡）面板数据，主题 i 在时间 t。 MU_t 是贯穿 T 的时间索引，Q 是季度标识符。我没有常数，随后我没有修复 MU_1 = 0（即没有虚拟陷阱）。我确实修正了 Q_1 = 0。
假设我在 2005Q1 观察对象 i，然后虚拟 MY_2005Q1 = 1，Q_1 = 1，等等。不知何故，这个模型没有被识别。 R 基本上“踢出”了我的季度 (Q) 假人。如果我强迫它进入，我会得到极端的结果。顺便说一下，将 Q 作为随机效应运行确实有效（尽管 Q 的估计值非常接近于零......）。
我的问题是为什么不能识别？同样，在 30,000 英尺的高度。我很惊讶，因为即使 Q 变量在 2005Q1 内没有变化，但情况正好相反。如果有人能帮我在这里给出一些直觉，那将不胜感激！ 亚历克斯
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
