R中设置国家-行业-时间维度固定效应模型的面板数据问题

报错原因 #

plm包的pdata.frame函数要求索引参数仅传入两个维度：第一个为个体ID，第二个为时间维度。你传入了c("id","industry","year")三个参数时，函数会默认将第一个id（国家ID）识别为个体、第三个year识别为时间，同一个国家同一年存在多个行业的观测，自然会出现重复的个体-时间对，触发警告。

方案1：生成国家-行业联合个体ID #

该方案和你Stata中的操作逻辑完全一致，你预想的ID重编码逻辑是可行的，示例代码如下：

library(dplyr)
library(plm)
# 生成国家+行业联合唯一ID，对应Stata的egen group操作
sampledata7_industry <- sampledata7_industry %>%
  mutate(country_industry = interaction(id, industry))
# 转换为面板数据，索引第一维是联合个体ID，第二维是年份
panel8 <- pdata.frame(sampledata7_industry, index = c("country_industry", "year"))

后续跑固定效应模型的示例代码：

# 个体+时间双向固定效应模型
fe_model <- plm(wage ~ gdp + import + export, data = panel8, model = "within", effect = "twoways")

方案2：直接处理多维固定效应（无需生成新ID） #

你也可以选择fixest包实现相同的分析需求，不需要提前转换为pdata.frame格式，代码更简洁，大样本下运行效率也更高：

library(fixest)
# 控制国家、行业、年份固定效应，标准误聚类到国家-行业层面
fe_model <- feols(wage ~ gdp + import + export | id + industry + year, 
                  data = sampledata7_industry, 
                  vcov = ~id + industry)

该方案输出的核心回归结果和方案1完全一致。

重复观测排查 #

如果调整后仍有报错，可运行以下代码检查原始数据是否存在同一国家、同一行业、同一年有多个观测的异常值：

library(dplyr)
dup_check <- sampledata7_industry %>%
  count(id, industry, year) %>%
  filter(n > 1)

如果返回结果不为空，需要先清理重复的原始观测。

内容的提问来源于stack exchange，提问作者Ann