Incluyendo la no linealidad en el modelo de efectos fijos en plm.
Estoy intentando construir una regresión de efectos fijos con el paquete plm en R. Estoy utilizando datos de panel a nivel de país con efectos fijos de año y país.
Mi problema se refiere a 2 variables explicativas. Una es un término de interacción de dos variables y la otra es un término al cuadrado de una de las variables.
El modelo es básicamente:
y = x1 + x1^2 + x3 + x1*x3 + …+ xn, con las variables todas en forma logarítmica.
Es fundamental incluir el término al cuadrado en el modelo, pero cuando ejecuto la regresión, siempre se excluye debido a las “singularidades”, ya que x1 y x1^2 están obviamente correlacionadas. Es decir, la regresión funciona y obtengo estimaciones para mis variables, pero no para x1^2 y x1*x2. ¿Cómo puedo solucionar esto?
biblioteca(plm)
fe_reg<- plm(log(y) ~ log(x1) + log(x2) + log(x2^2) + log(x1*x2) + dummy,
data = df,
index = c(“country”, “year”),
model = “within”,
effect = “twoways”)
resumen(fe_reg)
He intentado definir el término de interacción y los términos al cuadrado como vectores, lo que ayudó con el término de interacción, pero no con el término al cuadrado.
df1.pd<- df1 %>% mutate_at(c(‘x1’), ~(scale(.) %>% as.vector))
df1.pd<- df1 %>% mutate_at(c(‘x2’), ~(scale(.) %>% as.vector))
davy.ai
Una forma de evitar el problema de la singularidad con el término cuadrado es utilizar una variable diferente como punto de referencia en lugar de x1. Por ejemplo, podría centrar x1 en su media o mediana, o utilizar una variable diferente como variable base. Esto haría que la correlación entre x1 y x1^2 desaparezca, permitiéndole incluir ambas variables en el modelo.
Otra opción es utilizar un método de estimación diferente, como el método FGLS o LSDV, que pueden manejar variables correlacionadas.
Por último, podría considerar si x1^2 es realmente necesario en el modelo. Puede que no sea un predictor significativo de y una vez que se incluyan otras variables, y eliminarlo podría simplificar el modelo y hacer que sea más fácil de interpretar.