在R中自动构建年份-国家交互固定效应模型的方法

方法1：基础lm()函数 #

如果数据里的Year和Country是数值型变量，直接在公式里转成因子并使用:表示交互项，就能自动生成所有年份-国家组合的虚拟变量，完全不用手动创建：

# 假设你的数据框名为df
lm(y ~ x + z + factor(Year):factor(Country), data = df)

要是Year和Country已经是因子类型，简化成下面的写法就行：

lm(y ~ x + z + Year:Country, data = df)

如果需要同时保留年份、国家的主效应加上交互效应，把:换成*即可：

lm(y ~ x + z + Year*Country, data = df)
# 等价于 y ~ x + z + Year + Country + Year:Country

方法2：用fixest包（推荐大面板数据） #

面对26个国家+8个年份的面板数据，lm()效率会偏低，专门处理固定效应的fixest包更合适——它不仅计算更快，语法也更简洁：用|分隔核心自变量和固定效应部分，直接指定Year:Country作为交互固定效应。

先安装并加载包：

install.packages("fixest")
library(fixest)

然后运行回归：

feols(y ~ x + z | Year:Country, data = df)

这个命令会自动处理所有年份-国家的交互固定效应，不用手动生成任何虚拟变量。还能一键添加聚类标准误，比如按国家聚类：

feols(y ~ x + z | Year:Country, data = df, vcov = ~Country)

内容的提问来源于stack exchange，提问作者Andrea Brama