面板数据Fixed Effects与Random Effects分析：R实现及技术咨询

1. 变量转换的判断与操作 #

• 因变量（发言时长）：先通过hist(panel_data$speech_duration)查看分布，如果数据呈现右偏（多数议员发言短，少数人时长显著偏高），建议做对数转换以削弱极端值干扰，操作：panel_data$log_speech <- log(panel_data$speech_duration + 1)（加1是为了处理发言时长为0的情况）。
• 分类自变量（如性别）：必须转换为因子类型，否则R会将其误作连续变量处理，操作：panel_data$gender <- factor(panel_data$gender, levels = c("male", "female"), labels = c("男性", "女性"))。
• 连续自变量（如年龄）：若初步判断年龄对发言时长的影响是非线性的（比如中年议员发言更长），可构造年龄平方项：panel_data$age_sq <- panel_data$age^2。
• 时间变量：若要捕捉时间趋势，可将年份转换为因子：panel_data$year <- factor(panel_data$year)，或直接加入时间虚拟变量。

2. R中固定效应与随机效应的核心命令 #

首先安装并加载专门用于面板分析的plm包：

install.packages("plm")
library(plm)

假设你的面板数据框名为panel_data，个体标识为议员ID（mp_id），时间标识为年份（year）：

• 固定效应模型（FE）：采用within模型控制个体异质性

fe_model <- plm(log_speech ~ gender + age + age_sq, 
                data = panel_data, 
                model = "within", 
                index = c("mp_id", "year"))

• 随机效应模型（RE）：

re_model <- plm(log_speech ~ gender + age + age_sq, 
                data = panel_data, 
                model = "random", 
                index = c("mp_id", "year"))

• Hausman检验（模型选择）：判断FE/RE哪种更适配数据

hausman_test <- phtest(fe_model, re_model)
summary(hausman_test)

3. 生成易解读的结果输出 #

可以用modelsummary包生成简洁美观的对比表格，先安装加载：

install.packages("modelsummary")
library(modelsummary)

生成FE与RE的对比结果表，自定义系数名称和显著性标记：

modelsummary(list("固定效应模型" = fe_model, "随机效应模型" = re_model),
             stars = TRUE,
             coef_rename = c("gender女性" = "女性",
                             "age" = "年龄",
                             "age_sq" = "年龄平方"),
             gof_map = c("nobs", "r.squared", "adj.r.squared"))

若需查看模型细节，直接用基础命令输出：

summary(fe_model)
summary(re_model)

内容的提问来源于stack exchange，提问作者CorinnaW