使用lfe包felm做固定效应回归时交互项莫名出现NaN的求助

常见原因 #

• 交互项与固定效应存在完全共线性：哪怕你确认了变量整体有变异，分样本后某个交互项的取值可能被某类固定效应完全覆盖（比如某组个体的交互项值完全一致，同时你加入了个体固定效应），导致回归矩阵奇异，系数无法识别，输出NaN。
• 小样本数值不稳定：部分子集样本量太小，矩阵求逆时出现数值精度问题，引发NaN。

排查与解决步骤 #

• 检查共线性：对出问题的子集，把交互项和对应的固定效应变量单独拿出来，用car::vif()计算方差膨胀因子，或者直接查看交互项在每个固定效应组内的取值分布——如果某个组内交互项没有变异，就是共线性问题。
• 调整模型设定：
  • 暂时移除可疑的固定效应，看系数是否能正常估计，再权衡是否保留该固定效应。
  • 对交互项中的连续变量做组内中心化（比如x1_centered = x1 - ave(x1, fe_group)），降低和固定效应的共线性。
• 优化felm参数：尝试添加exact=TRUE参数（强制精确计算，避免近似demean的数值误差），或者先用lfe::demean()对变量去固定效应后，再用lm()估计交互项系数。
• 验证子集划分：确认子集划分逻辑没有错误，比如是否不小心让某些分组和交互项形成了一一对应关系。

替代多固定效应回归包 #

• fixest：目前最主流的替代包，速度远超lfe，数值稳定性更强，语法和felm接近（例：feols(y ~ x1*x2 | fe1 + fe2, data = my_data)），对小样本和共线性的处理更智能。
• plm：专注面板数据，支持多维度固定效应（通过index=c("id", "year")结合model="within"），适合传统面板分析场景。
• lme4：如果是层级结构的固定效应/随机效应混合模型，lme4的lmer()也能处理，但多固定效应的灵活性不如前两者。

内容的提问来源于stack exchange，提问作者flâneur