如何从原数据集移除fixest::feols丢弃的观测值？

问题原因 #

你之前的错误是因为obs_selection返回的是逻辑向量（TRUE/FALSE），而非整数行号，所以不能用-运算符取反。逻辑向量的取反需要用!，但更直接的方式是直接用该向量筛选模型保留的观测。

解决方案 #

1. 筛选清理后的数据集 #

直接用obs_selection作为索引，提取模型实际使用的观测：

clean_data <- fake_data[fake_lm$obs_selection, ]

这里fake_lm$obs_selection中TRUE的位置就是模型保留的行，直接索引即可得到无缺失值、和模型匹配的数据集。

2. 合并残差 #

模型的$residuals顺序和clean_data的行顺序完全对应，直接添加为新列即可：

clean_data$residuals <- fake_lm$residuals

完整示例 #

library(fixest)
set.seed(123)

# 生成带缺失值的示例数据
fake_data <- data.frame(
  y = rnorm(100),
  x1 = rnorm(100),
  x2 = rnorm(100)
)
fake_data$x1[sample(1:100, 5)] <- NA # 插入5个缺失值

# 运行线性模型
fake_lm <- feols(y ~ x1 + x2, data = fake_data)

# 筛选清理后的数据
clean_data <- fake_data[fake_lm$obs_selection, ]

# 合并残差
clean_data$residuals <- fake_lm$residuals

# 验证：清理后的数据行数等于模型观测数
nrow(clean_data) == fake_lm$nobs # 返回TRUE

额外提示 #

• 对于百万级数据集，逻辑索引比转换为行号（如which(fake_lm$obs_selection)）更高效，避免不必要的性能损耗。
• 如果需要查看被丢弃的观测行号，可以用which(!fake_lm$obs_selection)，但一般不需要，直接用逻辑向量筛选即可。

内容的提问来源于stack exchange，提问作者KLB