R语言plm固定效应模型纳入非线性项出现奇异性如何解决？

核心问题根源 #

你遇到的奇异性报错90%以上来源于对数运算的逻辑错误，这直接导致变量完全共线性：

• log(x2^2)恒等于2 * log(x2)，两个变量完全线性相关，因此平方项会被自动剔除
• log(x1*x2)恒等于log(x1) + log(x2)，和两个主效应完全共线性，因此交互项会被剔除

你之前单独生成交互项可以解决问题，本质是你生成的是log(x1)*log(x2)而非log(x1*x2)，但平方项你还是用了错误的变换逻辑，所以问题没有解决。

正确操作步骤 #

1. 先对原始变量取对数，再基于对数变量生成平方项、交互项，绝对不要先做平方/交互运算再取对数
2. 修正你的标准化代码逻辑：你原有代码第二行重新调用了未处理的原始数据df1，导致x2的标准化没有生效

修正后的完整代码示例 #

library(plm)
library(dplyr)

# 一步生成对数变量、平方项、交互项，同步完成标准化
df_processed <- df %>%
  # 先对核心变量取对数
  mutate(
    ln_y = log(y),
    ln_x1 = log(x1),
    ln_x2 = log(x2)
  ) %>%
  # 对对数变量做标准化（不需要对原始变量标准化）
  mutate_at(c("ln_x1", "ln_x2"), ~as.vector(scale(.))) %>%
  # 生成平方项和交互项
  mutate(
    ln_x1_sq = ln_x1^2,
    ln_x1_x_ln_x2 = ln_x1 * ln_x2
  )

# 运行双向固定效应回归
fe_reg <- plm(ln_y ~ ln_x1 + ln_x1_sq + ln_x2 + ln_x1_x_ln_x2 + dummy,
              data = df_processed,
              index = c("country", "year"),
              model = "within",
              effect = "twoways")
summary(fe_reg)

仍报错的排查方向 #

如果按上述方法修正后仍出现奇异性，可按以下顺序排查：

• 检查核心变量的组内变异：固定效应模型仅利用组内变异估计参数，如果某个国家的ln_x1在所有年份完全没有变化，会导致平方项组内变异为0，可先删除该类样本再回归
• 检查虚拟变量设置：避免出现虚拟变量陷阱，比如不要同时纳入年份虚拟变量和不随时间变化的国家特征变量
• 检查样本量：如果你的面板时间维度极短（比如T<3），平方项的变异不足以支撑估计，可以适当扩充样本

内容的提问来源于stack exchange，提问作者user17497170