如何用R的plm包绘制双向固定效应模型的残差vs拟合值图

我使用plm包估计了双向（个体和时间固定效应）固定效应模型，回归代码为：

my_plm_model <- plm(Y ~ X, data = my_data, model = "within", effect = "twoways")

为验证线性模型是否适配我的数据，我想要绘制残差vs拟合值图，但使用命令：

plot(fitted(my_plm_model), res)

时出现错误：

Error in match.arg(plot) :
'arg' must be NULL or a character vector

而用lm模型执行该命令可正常绘图，推测问题源于该命令不兼容plm回归。请问如何解决此绘图问题？若无解决办法，还有哪些方式可检验回归的线性假设？

一、修复残差vs拟合值绘图问题 #

plm对象的残差、拟合值提取逻辑与lm不同，直接调用plot()会触发方法冲突，可按以下步骤操作：

1. 正确提取拟合值与残差
   使用plm包的专用提取函数，并指定type = "response"确保结果为原始尺度（而非去均值后的结果）：

fit_vals <- fitted(my_plm_model, type = "response")
res_vals <- residuals(my_plm_model, type = "response")

2. 绘制残差图

• 基础R绘图：

  plot(fit_vals, res_vals, xlab = "拟合值", ylab = "残差", main = "残差vs拟合值")
  abline(h = 0, col = "red", lwd = 2) # 添加水平参考线
  

• ggplot2绘图（更美观且可定制）：

  library(ggplot2)
  ggplot(data.frame(fit = fit_vals, res = res_vals), aes(x = fit, y = res)) +
    geom_point(alpha = 0.6) +
    geom_hline(yintercept = 0, color = "red", linewidth = 1) +
    labs(x = "拟合值", y = "残差", title = "残差vs拟合值") +
    theme_minimal()
  

二、其他检验线性假设的方法 #

如果绘图方式仍有问题，可通过以下统计方法验证线性假设：

• 成分残差图（偏残差图）：使用car包的crPlots()函数，直观查看自变量与调整后残差的关系，若存在非线性会呈现明显曲线趋势：

  library(car)
  crPlots(my_plm_model)
  

• Box-Tidwell检验：直接检验自变量与因变量的线性关系，原假设为线性成立，若p值小于显著性水平（如0.05）则拒绝线性假设：

  boxTidwell(Y ~ X, data = my_data)
  

• 拟合不足检验：将自变量分组，通过ANOVA检验组内均值与线性拟合值的差异，若差异显著则说明线性模型拟合不足。
• 非参数回归对比：用核回归等非参数方法拟合数据，对比线性拟合曲线与非参数拟合曲线的差异，若差距明显则线性假设不成立：

  library(ggplot2)
  library(np)
  # 拟合非参数模型
  np_fit <- npreg(Y ~ X, data = my_data)
  # 绘制对比图
  ggplot(my_data, aes(x = X, y = Y)) +
    geom_point(alpha = 0.5) +
    geom_line(aes(y = fitted(my_plm_model)), color = "blue", linewidth = 1) +
    geom_line(aes(y = fitted(np_fit)), color = "red", linewidth = 1, linetype = "dashed") +
    labs(title = "线性拟合vs非参数拟合对比") +
    theme_minimal()
  

内容的提问来源于stack exchange，提问作者Muller I.