PLM 的边际效应图

Answer 1

编辑 2022-08-20：CRAN 上的最新版本 plm 现在包括用于模型内部的 predict() 方法。原则上，下面使用fixest 说明的命令现在也应该与plm 一起使用。

以我的经验，plm 模型处理起来有点棘手，许多专门从事“后处理”的包都无法正确处理这些对象。

一种替代方法是使用the fixest package 估计您的“内部”模型，并使用the marginaleffects package. 绘制结果（免责声明：我是marginaleffects 的作者。）

请注意，plm 估计的许多模型都得到了marginaleffects 的官方支持和测试（例如，随机效应、Amemiya、Swaymy-Arora）。但是，这种特定的“内部”模型并非如此，它比其他模型更难支持。

首先，我们估计两个模型以表明plm 和fixest 版本是等效的：

library(plm)
library(fixest)
library(marginaleffects)
library(modelsummary)
data("EmplUK")

mod1 <- plm(
    emp ~ wage * capital,
    index = c("firm", "year"),
    model = "within",
    effect = "individual",
    data = EmplUK)

mod2 <- feols(
    emp ~ wage * capital | firm,
    se = "standard",
    data = EmplUK)

models <- list("PLM" = mod1, "FIXEST" = mod2)

modelsummary(models)

	PLM	FIXEST
wage	0.000	0.000
	(0.034)	(0.034)
capital	2.014	2.014
	(0.126)	(0.126)
wage × capital	-0.043	-0.043
	(0.004)	(0.004)
Num.Obs.	1031	1031
R2	0.263	0.986
R2 Adj.	0.145	0.984
R2 Within		0.263
R2 Within Adj.		0.260
AIC	4253.9	4253.9
BIC	4273.7	4273.7
RMSE	1.90	1.90
Std.Errors		IID
FE: firm		X

现在，我们使用marginaleffects 包来绘制结果。有两个主要功能：

1. plot_cap()：绘制条件调整预测。作为协变量的函数，我的预测结果如何变化？
2. plot_cme()：绘制条件边际效应。如何坡我的模型相对于一个变量（即导数或“边际效应”）相对于另一个变量的变化？

   有关定义和详细信息，请参见网站：https://vincentarelbundock.github.io/marginaleffects/

   plot_cap(mod2, condition = "capital")
   

   
   plot_cme(mod2, effect = "wage", condition = "capital")