如何在R的plm一阶差分模型中指定删除的时间虚拟变量？

问题场景 #

使用R语言plm包估计一阶差分（fd）面板模型时，若直接在公式中加入factor(year)，程序会因共线性自动剔除部分时间虚拟变量（如示例中剔除了1990和1994年的变量）。但实际需求是剔除1990、1991年的虚拟变量，仅保留1992、1993、1994年的时间效应。

解决方案 #

方法1：手动构造目标年份的虚拟变量 #

直接生成仅包含需要保留年份的虚拟变量，完全控制纳入模型的时间效应项：

# 为目标年份生成虚拟变量
df$year_1992 <- as.integer(df$year == 1992)
df$year_1993 <- as.integer(df$year == 1993)
df$year_1994 <- as.integer(df$year == 1994)

# 转换为面板数据结构
mydata <- pdata.frame(df, index = c("Country", "year"))

# 估计一阶差分模型
model <- plm(y ~ x + year_1992 + year_1993 + year_1994, data = mydata, model = "fd")
summary(model)

该方法直接指定模型纳入的时间虚拟变量，避免程序自动剔除的逻辑，结果中会清晰显示1992-1994三个年份的系数估计值。

方法2：调整因子基准组实现定向剔除 #

通过relevel()将1991年设为时间因子的基准组，结合一阶差分模型的特性，让程序自动剔除1990和1991年的虚拟变量：

# 将year转为因子并设置1991为基准水平
df$year_factor <- relevel(factor(df$year), ref = "1991")

# 转换为面板数据结构
mydata <- pdata.frame(df, index = c("Country", "year"))

# 估计一阶差分模型
model <- plm(y ~ x + year_factor, data = mydata, model = "fd")
summary(model)

此时模型输出的系数将对应1992、1993、1994年相对于1991年的差分效应，间接实现保留目标年份时间效应的需求。

内容的提问来源于stack exchange，提问作者newfinder