I «m ved bruk av lfe og fixest pakker for å kjøre regresjoner med høydimensjonale faste effekter. For disse regresjonene vil jeg gruppere standardfeilene i flere dimensjoner (f.eks. Produkt, destinasjon og tid). Imidlertid er jeg forvirret om syntaksen og hvordan den skiller seg mellom felm og feols -kommandoene. Ville klyngingen i følgende to modeller være ekvivalent?
EDIT: Jeg kjørte de to modellene og fant at m2 har større standardfeil enn m1.
m1 <- felm(y ~ x1+ x2 | fe1 + fe2|0|product + destination + time, data=df) #with lfe package summary(m1) m2 <- feols(y ~ x1+ x2 | fe1 + fe2, data=df) #with fixest package summary(m2, cluster=~product + destination + time) Kommentarer
- Kanskje prøve det og se? Hvis du får forskjellige resultater, kan du redigere det i spørsmålet ditt.
Svar
Det er faktisk ingen eneste måte å beregne standardfeilene. Måten de blir beregnet på fixest og hvordan de sammenligner med lfe er forklart i denne vignett .
Det var også et par ( mindre ) feil i SE-ene i fixest versjon < 0.6.0 som gjør at SE-ene ser litt annerledes ut.
Her «er en sammenligning relatert til eksemplet ditt med leketøydata:
library(fixest) ; library(lfe) data(trade) est_felm = felm(log(Euros) ~ log(dist_km) | Origin + Destination | 0 | Origin + Destination + Year, trade) est_feols = feols(log(Euros) ~ log(dist_km) | Origin + Destination, trade) # Same SEs but different p-values coeftable(est_felm) #> Estimate Cluster s.e. t value Pr(>|t|) #> log(dist_km) -2.072132 0.1516212 -13.66651 2.525297e-07 coeftable(est_feols, cluster = ~ Origin + Destination + Year) #> Estimate Std. Error t value Pr(>|t|) #> log(dist_km) -2.072132 0.1516212 -13.66651 2.024366e-42 # Same SEs and p-values (t.df is explained in the vignette) coeftable(est_feols, cluster = ~ Origin + Destination + Year, dof = dof(t.df = "min")) #> Estimate Std. Error t value Pr(>|t|) #> log(dist_km) -2.072132 0.1516212 -13.66651 2.525297e-07