实体固定效应面板回归中Year变量系数异常问题咨询

1. 现象原因 #

Year变量的两种处理逻辑 #

• 当Year为object类型时，linearmodels会自动将其识别为分类变量，生成对应每个年份的虚拟变量（输出中Year[T.XXXX]就是虚拟变量标识）。每个虚拟变量的系数代表该年份相对于基准年份（未在输出中显示的参照年份），在控制其他变量和郡县固定效应后，对作物产量（Yld）的平均边际效应。这种方式能灵活捕捉年份间的非线性差异，比如特定年份的政策冲击、极端气候等。
• 转为int类型后，Year被当作连续变量，单个系数代表“每增加1年”对产量的平均线性影响，仅能捕捉时间维度的固定趋势，无法拟合年度间的异质性波动。

R²下降的核心原因 #

分类变量形式的Year能解释更多年份层面的变异（比如年度特有冲击），模型拟合度更高；而连续变量形式的Year假设时间效应是线性的，拟合灵活性大幅降低，无法解释那些非线性的年度差异，因此模型整体解释力（R²）下降。

2. 当前模型是否存在问题 #

模型本身没有对错，是否合理取决于你的研究目标：

• 如果研究重点是捕捉年度特有的时间效应（比如不同年份的技术进步差异、宏观政策影响），保留Year的分类变量形式（配合实体固定效应）属于双向固定效应模型，是面板数据中控制未观测异质性的标准做法，不存在问题。
• 如果研究重点是分析时间的线性趋势（比如长期技术进步带来的产量逐年增长），则应将Year转为连续变量，此时R²下降是正常的，因为模型放弃了对非线性年度变异的拟合，专注于线性趋势的捕捉。

需要注意的细节：

• 检查多重共线性：分类变量形式的Year（时间虚拟变量）与实体固定效应通常不会有严重共线性，但如果同时加入其他时间相关变量，需留意共线性风险。
• 交互项的合理性：模型中的Irg*Prec等交互项，需确保理论上灌溉与气候因素确实存在调节关系，避免无意义的交互。

3. 模型解释方法 #

根据Year的不同处理方式，分两种场景解释：

场景1：Year作为分类变量（虚拟变量） #

1. 模型定位：这是实体-时间双向固定效应面板回归模型，其中EntityEffects控制美国各郡县不随时间变化的固定特征（比如土壤质量、地理位置），消除这些未观测因素对产量的混淆；年份虚拟变量控制年度特有的时间冲击（比如全国性农业政策、极端气候年份）。
2. 核心变量解读：
   • 主效应变量（Prec、GDD、KDD、VPD、Irg）：代表在控制其他因素、郡县固定效应和年度效应后，该变量每变化1单位对作物产量的平均影响。比如GDD系数0.0560，意味着生长度日每增加1单位，产量平均增加0.0560（需结合变量实际单位补充说明）。
   • 交互项（Irg*Prec等）：代表灌溉对气候因素影响产量的调节作用。比如若Irg*Prec系数为正，说明灌溉会放大降水对产量的正向影响（或削弱负向影响，依系数符号而定）。
   • 年份虚拟变量（Year[T.XXXX]）：比如Year[T.1971]的系数14.009，代表1971年相对于基准年份，在控制其他变量后，产量平均高出14.009（需结合变量单位），反映该年度的特有效应。
3. 统计可靠性：使用cluster_entity=True的聚类标准误，解决同一郡县年度数据的自相关问题，保证系数显著性检验的可靠性。

场景2：Year作为连续变量 #

1. 模型定位：这是实体固定效应面板回归模型，仅控制郡县固定特征，Year作为连续变量捕捉时间的线性趋势。
2. 核心变量解读：
   • Year的单个系数：代表每过1年，在控制其他因素和郡县固定效应后，产量的平均变化量，反映长期线性趋势（比如技术进步的逐年累积效应）。
   • 其他主效应和交互项的解释与场景1一致。

内容的提问来源于stack exchange，提问作者lsr729