plm

6गर्मी

3उत्तर

इंटरैक्शन टर्म कारणों के साथ फिक्स्ड इफेक्ट्स रिग्रेशन त्रुटि

मैं भौगोलिक क्षेत्रों (लोडएरिया, डिस्चार्ज एरिया) के लिए एक इंटरैक्शन टर्म के साथ एक पैनल डेटासेट का अनुमान लगाने की कोशिश कर रहा हूं जो एक मार्ग का प्रतीक है। तय प्रभाव विनिर्देश का उपयोग करना, यह बा

12गर्मी

2उत्तर

पीएलएम पैकेज

के साथ हीटरोससेडस्टिकिटी मजबूत मानक त्रुटियां मैं स्टेटटा का उपयोग करने के बाद आर सीखने की कोशिश कर रहा हूं और मुझे कहना होगा कि मुझे यह पसंद है। लेकिन अब मुझे कुछ परेशानी हो रही है। मैं पैनल डेटा के

10गर्मी

3उत्तर

क्या आर में पीएलएम के लिए कोई पूर्वानुमान कार्य है?

मेरे पास एक छोटा एन बड़ा टी पैनल है जिसे मैं निश्चित प्रभाव के साथ पीएलएम (पैनल रैखिक रिग्रेशन मॉडल) के माध्यम से अनुमान लगा रहा हूं। क्या कोई नया डेटासेट के लिए अनुमानित मान प्राप्त करने का कोई तरीका

5गर्मी

1उत्तर

आर में फिक्स्ड इफेक्ट्स रिग्रेशन (डमी वैरिएबल की एक बड़ी संख्या के साथ)

क्या आर में फिक्स्ड-इफेक्ट रिग्रेशन करने का कोई आसान तरीका है जब डमी वैरिएबल की संख्या मॉडल मैट्रिक्स की ओर ले जाती है जो आर अधिकतम वेक्टर लंबाई से अधिक है ? उदा।, > m <- lm(log(bid) ~ after + I(after

5गर्मी

1उत्तर

क्लस्टर मानक त्रुटियों में पीएलएम बनाम एलएफ

जब मैं plm और lfe के साथ क्लस्टर मानक त्रुटि पैनल विनिर्देश चलाता हूं तो मुझे दूसरे महत्वपूर्ण आंकड़े अलग-अलग परिणाम मिलते हैं। क्या किसी को पता है कि वे एसई की गणना में क्यों भिन्न हैं? set.seed(5720

6गर्मी

3उत्तर

आर: सारांश से बचें .plm

मैं पैनल डेटा अनुमानकों के प्रदर्शन का अध्ययन करने वाले मोंटे-कार्लो सिमुलेशन को चलाने के लिए आर का उपयोग कर रहा हूं। क्योंकि मैं बड़ी संख्या में परीक्षण चला रहा हूं, मुझे अपने कोड से कम से कम सभ्य प्

9गर्मी

1उत्तर

आर और स्टाटा

में प्रथम-अंतर रैखिक पैनल मॉडल भिन्नता मैं एक सहयोगी के लिए पहले अंतर वाले रैखिक पैनल डेटा मॉडल को दोहराने के लिए चाहूंगा जो मैं आर (या कुछ अन्य पैकेज) में plm पैकेज के साथ स्टाटा के साथ अनुमान लगा रह