我想要做一個方程逐方程工具變數（IV）回歸具有控制功能在[R （使用tidyverse 和broom）。我想基于具有因變數 、y內生變數 、x該內生變數的工具z1和外生變數的分組資料框來實作這一點z2。繼 兩階段最小二乘（2SLS）的方法，我會跑：（1）回歸x上z1和z2和（2）回歸y上x，z2和v（從殘差（1））。有關此方法的更多詳細資訊，請參閱：https://www.irp.wisc.edu/newsevents/workshops/appliedmicroeconometrics/participants/slides/Slides_14.pdf。不幸的是，我無法在沒有錯誤的情況下運行第二次回歸（見下文）。
我的資料如下所示：
df <- data.frame(
id = sort(rep(seq(1, 20, 1), 5)),
group = rep(seq(1, 4, 1), 25),
y = runif(100),
x = runif(100),
z1 = runif(100),
z2 = runif(100)
)
其中id是觀察group的識別符號， 是組的識別符號，其余的定義在上面。
library(tidyverse)
library(broom)
# Nest the data frame
df_nested <- df %>%
group_by(group) %>%
nest()
# Run first stage regression and retrieve residuals
df_fit <- df_nested %>%
mutate(
fit1 = map(data, ~ lm(x ~ z1 z2, data = .x)),
resids = map(fit1, residuals)
)
現在，我想運行第二階段回歸。我已經嘗試了兩件事。
第一的：
df_fit %>%
group_by(group) %>%
unnest(c(data, resids)) %>%
do(lm(y ~ x z2, data = .x))
這產生Error in is.data.frame(data) : object '.x' not found.
第二：
df_fit %>%
mutate(
fit2 = map2(data, resids, ~ lm(y ~ x z2, data = .x))
)
df_fit %>% unnest(fit2)
這產生：Error: Must subset columns with a valid subscript vector. x Subscript has the wrong type `grouped_df< 。如果您要使用更大的資料集，則第二種方法甚至會遇到存盤問題。
這是如何正確完成的？
uj5u.com熱心網友回復：
所述broom包被加載但沒有tidy施加到所述lm輸出。此外，OP 的代碼有一些拼寫錯誤，即在mutate創建之后fit2，物件“df_fit”沒有更新（<-），因此df_fit %>% unnest(fit2)無法作業，因為找不到該列
library(dplyr)
library(purrr)
library(broom)
library(tidyr)
df_fit %>%
ungroup %>%
mutate(
fit2 = map2(data, resids, ~ tidy(lm(y ~ x z2, data = .x))
)) %>%
unnest(fit2)
-輸出
# A tibble: 12 × 9
group data fit1 resids term estimate std.error statistic p.value
<dbl> <list> <list> <list> <chr> <dbl> <dbl> <dbl> <dbl>
1 1 <tibble [25 × 5]> <lm> <dbl [25]> (Intercept) 0.357 0.126 2.82 0.00987
2 1 <tibble [25 × 5]> <lm> <dbl [25]> x -0.0290 0.173 -0.168 0.868
3 1 <tibble [25 × 5]> <lm> <dbl [25]> z2 0.204 0.183 1.11 0.278
4 2 <tibble [25 × 5]> <lm> <dbl [25]> (Intercept) 0.470 0.139 3.38 0.00272
5 2 <tibble [25 × 5]> <lm> <dbl [25]> x 0.168 0.206 0.816 0.423
6 2 <tibble [25 × 5]> <lm> <dbl [25]> z2 0.00615 0.176 0.0350 0.972
7 3 <tibble [25 × 5]> <lm> <dbl [25]> (Intercept) 0.625 0.147 4.25 0.000325
8 3 <tibble [25 × 5]> <lm> <dbl [25]> x 0.209 0.255 0.818 0.422
9 3 <tibble [25 × 5]> <lm> <dbl [25]> z2 -0.398 0.183 -2.18 0.0406
10 4 <tibble [25 × 5]> <lm> <dbl [25]> (Intercept) 0.511 0.235 2.17 0.0407
11 4 <tibble [25 × 5]> <lm> <dbl [25]> x 0.0468 0.247 0.189 0.851
12 4 <tibble [25 × 5]> <lm> <dbl [25]> z2 -0.0246 0.271 -0.0908 0.929
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/375185.html
下一篇：條形圖中的合計百分比