R 中面板数据的标准化 Beta

Question

我有一个面板数据集，并且正在运行固定效果回归。我的因变量是 CDS 价差，我有 7 个自变量，它们是宏观经济变量（GDP、通货膨胀等），然后我有三个机构的评级数据，这是第八个自变量，所以我基本上对每个评级机构运行三个单独的回归：

plm(CDS ~ GDP+Inflation+...+S&PRating, data, model="within")



plm(CDS ~ GDP+Inflation+...+FTSE, data, model="within") 



plm(CDS ~ GDP+Inflation+...+Moodys, data, model="within")

我想比较三个机构对 CDS 利差的影响幅度差异，以及与其他自变量的比较，但三个机构的评级规模不同。我想标准化系数。我如何为面板数据执行此操作。 “QuantPsyc”包中的“lm.beta”没有给出准确的结果。它改变了系数的符号，并且较早的帖子表明不建议对面板数据使用 z 变换。您能否建议一种从结果中进行有意义比较的方法？

谢谢！

Answer 1

如果您运行三个不同的回归，则无法正式测试系数的差异。它可能会提供更多信息：

1. 标准化分数（标准正常可能是一个好的开始，这里有更多信息https://datascience.stackexchange.com/questions/1240/methods-for-standardizing-normalizing-different-rank-scales）
2. 堆叠您的数据，以便每个观察结果显示 3 次。分数将在同一个变量中。
3. 创建 3 个新变量，您可以在其中将分数与分数机构的虚拟指标进行交互。您的数据将如下所示：

    rbind(
    data.frame(iso3 = "USA", year = 2001, gdp = 13, score_sp = 1, score_moody = 0, score_sfse = 0 ),
    data.frame(iso3 = "USA", year = 2001, gdp = 13, score_sp = 0, score_moody = 2, score_sfse = 0 ),
    data.frame(iso3 = "USA", year = 2001, gdp = 13, score_sp = 0, score_moody = 0, score_sfse = 3 )
    )

      iso3 year gdp score_sp score_moody score_sfse
    1  USA 2001  13        1           0          0
    2  USA 2001  13        0           2          0
    3  USA 2001  13        0           0          3

4. 估计您的模型：

    plm(CDS ~ GDP+Inflation+...+ score_sp + score_moody + score_ftse, data, model="within")

现在您可以简单地将系数与 t 检验进行比较。

如果您想查看使用不同分数时“控制”变量的系数如何变化，那么您的数据将如下所示：

  iso3 year score_sp score_moody score_sfse gdp_sp gdp_moody gdp_sfse
1  USA 2001        1           0          0     13         0        0
2  USA 2001        0           2          0      0        13        0
3  USA 2001        0           0          3      0         0       13

现在您可以使用 t-test 来检查使用某个特定分数时 gdp 的系数是否更大（如果您对此感兴趣）。