fixest包feols设置国家-年份交互固定效应报错求解

• 写法feols(y ~ x | country*year, data)：fixest固定效应解析逻辑对公式中*操作符存在边界bug，当交互项包含数值型变量（你的year为数值格式）时，会触发未捕获的下标越界报错。R公式中*默认展开为主效应+交互项，本身逻辑等价于手动写主效应加交互，但在feols的固定效应块中该解析不稳定。
• 写法feols(y ~ x | country + year + country:year, data)：直接在固定效应块用:连接字符型country和数值型year时，分组匹配逻辑出错，同样触发下标越界报错。
• 写法feols(y ~ x | country + year + I(country*year), data)：语法逻辑错误，country是文本型变量，无法直接做乘法运算，I()不适用于此场景。

*你的观测单元是次国家行政区（对应数据中NAME_1.y字段的省/州级单元），每个国家-年份组合下存在多个观测，因此加入国家-年份交互固定效应不存在完全共线性问题，可以正常识别。

最稳妥、不受fixest版本影响的写法是提前在数据集中生成国家-年份交互分组变量，再放入固定效应块：

library(fixest)
# 生成国家-年份交互分组变量
df$country_year <- interaction(df$country, df$year, drop = TRUE)
# 运行回归，同时控制国家FE、年份FE、国家-年份交互FE
feols(sngq ~ yearvalue | country + year + country_year, data = df)

如果你使用0.11.0及以上版本的fixest，也可以直接在公式中写交互，需先将数值型year转为因子避免类型解析错误：

feols(sngq ~ yearvalue | country + factor(year) + country^factor(year), data = df)

如果你实际要控制的是国家特定线性时间趋势，而非完全吸收所有国家层面年度冲击的离散国家-年份交互固定效应，不需要手动生成交互变量，直接用fixest内置的趋势语法即可：

# 控制国家FE、年份FE、国家线性时间趋势
feols(sngq ~ yearvalue | country + year + country[year], data = df)

两种设定的经济学含义差异很大：离散国家-年份交互FE会吸收所有国家层面随年份变动的不可观测冲击，而国家线性趋势仅控制每个国家随年份线性变化的特征，需要根据实际研究需求选择。

内容的提问来源于stack exchange，提问作者Anton