使用plm进行固定效应 regression 遇NaN问题求助

核心问题 #

你的代码存在两个关键问题：

1. 面板索引不完整：plm包需要明确的**双索引（个体+时间）**来识别面板数据结构，你只指定了index="country"，缺失时间维度（date），导致函数无法正确解析面板的时间维度信息。
2. 时间固定效应的写法不够规范：直接在公式里加factor(date)虽然能引入虚拟变量，但如果面板结构未正确定义（缺时间索引），很容易引发维度不匹配或非唯一观测的报错。

修正方案 #

方法一：用plm内置的双向固定效应参数（推荐）

这种方式更简洁，同时支持控制个体（国家）和时间固定效应：

# 设置双索引（国家+年份），指定双向固定效应模型
AfricaTotal <- plm(IndustryGDP ~ CurrentImports + AgriProd, 
                   data = AfricaVariables, 
                   index = c("country", "date"), 
                   model = "within", 
                   effect = "twoways")

• index = c("country", "date")：明确面板的个体维度（国家）和时间维度（年份）
• model = "within"：使用固定效应模型
• effect = "twoways"：同时控制个体和时间固定效应

方法二：保留factor(date)写法，先定义面板结构

如果坚持用虚拟变量方式引入时间固定效应，需要先将数据集转换为pdata.frame（plm的专用面板数据格式）：

# 转换为面板数据格式，指定双索引
AfricaVariables_p <- pdata.frame(AfricaVariables, index = c("country", "date"))
# 运行回归，此时factor(date)可正确识别时间固定效应
AfricaTotal <- plm(IndustryGDP ~ CurrentImports + AgriProd + factor(date), 
                   data = AfricaVariables_p)

额外检查项 #

• 确认date列是时间格式（如整数年份），且每个国家-年份组合唯一（无重复观测）
• 用pdim(AfricaVariables_p)查看面板维度统计，验证数据是否为平衡/非平衡面板
• 检查数据集是否存在缺失值，可通过na.omit(AfricaVariables)先清理缺失值再回归

内容的提问来源于stack exchange，提问作者CWK