无需重估模型，如何基于fixest对样本外固定效应做加权预测？

解决方案思路 #

要实现无需重新拟合模型、用训练数据中固定效应的加权均值（按观测数加权）替代样本外FE水平的预测，核心逻辑是：

• 从训练好的fixest模型中提取固定效应估计值及对应观测数
• 计算加权平均FE
• 将样本外观测的预测值替换为「线性预测部分 + 加权平均FE」

具体实现代码 #

1. 基础实现 #

library(tidyverse)
library(fixest)

# 拟合FE模型
data(trade)
mod <- feols(log(Euros) ~ log(dist_km) | Product, trade)

# 定义包含样本外FE的新数据
df <- tribble(
  ~dist_km, ~Product,
  140, 20, # 样本内Product
  140, 21  # 样本外Product
)

# 提取固定效应及每个FE水平的观测数
fe_product <- get_fe(mod)
# 计算加权平均固定效应（权重为观测数）
weighted_mean_fe <- weighted.mean(fe_product$fe, w = fe_product$nobs)

# 获取不含FE的线性预测值（仅Xβ部分）
lin_pred <- predict(mod, newdata = df, type = "linear.predictor")

# 生成最终预测：样本内用原结果，样本外替换为线性预测+加权平均FE
final_pred <- case_when(
  !is.na(predict(mod, newdata = df)) ~ predict(mod, newdata = df),
  TRUE ~ lin_pred + weighted_mean_fe
)

final_pred
#> [1] 20.14376 18.88489

2. 封装为函数（方便复用） #

predict_fe_fill <- function(mod, newdata) {
  # 提取固定效应及观测数
  fe_vals <- get_fe(mod)
  # 计算加权平均FE
  weighted_mean_fe <- weighted.mean(fe_vals$fe, w = fe_vals$nobs)
  # 获取原预测和线性预测
  pred_orig <- predict(mod, newdata = newdata)
  lin_pred <- predict(mod, newdata = newdata, type = "linear.predictor")
  # 替换NA值
  ifelse(is.na(pred_orig), lin_pred + weighted_mean_fe, pred_orig)
}

# 调用函数
predict_fe_fill(mod, df)
#> [1] 20.14376 18.88489

原理说明 #

• fixest的predict()默认对未知FE水平返回NA，因为无法匹配训练数据中的FE估计值
• type = "linear.predictor"返回的是仅由自变量计算的线性部分（即回归系数乘以自变量值），不包含固定效应
• 加权平均FE是训练数据中所有Product固定效应的加权平均（按每个Product的观测数加权），用它替代样本外FE，等价于无FE模型的预测逻辑，但无需重新拟合模型

内容的提问来源于stack exchange，提问作者dufei