R语言拟合自定义回归方程：lm用法及替代方案咨询

结论 #

你给出的线性模型完全可以使用lm()函数实现拟合，该模型所有项均为线性可加结构，分类变量type、month会被lm()自动处理为虚拟变量，完全匹配你预设的参数定义。

lm()实现步骤 #

1. 匹配时间序列变量到主数据集 #

你单独存储的XX是zoo格式时间序列，需要先按日期匹配合并到主数据集Data中，代码如下：

library(zoo)
# 将XX转为带time列的数据框
xx_df <- data.frame(time = index(XX), xx = coredata(XX))
# 按日期左连接到主数据集
Data <- merge(Data, xx_df, by = "time", all.x = TRUE)

2. 调用lm()拟合模型 #

公式直接对应你给出的模型结构即可，无需额外处理分类变量：

fit <- lm(y ~ xx + type + month + M, data = Data)
# 查看拟合参数结果
summary(fit)

拟合结果中：

• 截距项对应Beta[0]
• xx的系数对应Beta[1]
• type各水平的系数对应Beta[2]
• month各水平的系数对应Beta[3]
• M的系数对应Beta[4]

可替代实现方案 #

• 如果你要处理该面板数据的固定/随机效应检验，可以使用plm包的plm()函数，专门适配分组时间序列数据，语法和lm()高度兼容：

  library(plm)
  # 指定分组维度为type，时间维度为time
  fit_plm <- plm(y ~ xx + month + M, data = Data, index = c("type", "time"), model = "pooling")
  

• 如果你需要处理高维固定效应、计算稳健标准误，可以使用lfe包的felm()函数，运算效率远高于基础lm()。
• 如果你的数据存在误差项时间自相关、异方差问题，可以使用nlme包的gls()函数自定义误差协方差结构，提升拟合统计有效性。

内容的提问来源于stack exchange，提问作者Bogaso