如何解决如何在python中运行固定效应回归
我想用大学的固定效应和年份的固定效应进行回归。
# Import the packages
import pandas as pd
from linearmodels import PanelOLS
import statsmodels.api as sm
# Load the data
data = pd.read_csv(r"https://raw.githubusercontent.com/LOST-STATS/LOST-STATS.github.io/master/Model_Estimation/Data/Fixed_Effects_in_Linear_Regression/scorecard.csv")
# Set the index for fixed effects
data = data.set_index(['inst_name','year'])
# Calculate and drop the NA Values
data['prop_working'] = data['count_working']/(data['count_working'] + data['count_not_working'])
data = data.dropna(subset=['earnings_med','prop_working'])
# Regression
FE = PanelOLS(data.earnings_med,data['prop_working'],entity_effects = True,time_effects=True)
print(FE.fit(cov_type = 'clustered',time_effects=True))
然而,估计值与在 R 中使用 felm
相同,但标准差远小于 R 中的值。估计值应该在 21876 左右,标准差应该在 1669 左右
我想知道如何编辑它以便他们至少可以得到相似的结果......
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。