R固定效应回归中year:state与factor(year)*factor(state)的区别

首先明确R公式语法的基础规则：

• a:b 仅表示两个变量的交互项，不会生成主效应
• a*b 是 a + b + a:b 的简写，会同时生成两个变量的主效应和二者的交互项

两种写法结果存在差异的根本原因 #

第一种写法的逻辑问题 #

你的第一种代码为：

reg1 <- lm(x ~ y + z + factor(year) + factor(state) + year:state, data=df)

这里交互项部分直接使用了year:state，如果你的原始数据中year和state为数值类型（比如year存储为2000、2001这类数值，state存储为1、2、3这类编码数值），那么这里的交互项是两个连续变量的乘积项，仅会生成1个回归系数，和你需要的分类变量交互逻辑完全不同。

第二种写法的逻辑 #

你的第二种代码为：

reg1 <- lm(x ~ y + z + factor(year) + factor(state) + factor(year)*factor(state), data=df)

这里factor(year)*factor(state)会自动展开为factor(year) + factor(state) + factor(year):factor(state)，R的公式机制会自动忽略重复的主效应项，最终实际拟合的项包括：控制变量y、z，年份分类主效应，州分类主效应，年份-州分类全交互项，会生成(年份数量-1)*(州数量-1)个交互项系数，和第一种写法的交互项维度、计算逻辑完全不同，因此回归结果存在明显差异。

正确的手动固定效应写法 #

如果你的需求是加入年份、州主固定效应+年份-州交互固定效应，推荐两种无歧义的写法：

1. 显式声明所有项，避免隐式转换出错：

reg1 <- lm(x ~ y + z + factor(year) + factor(state) + factor(year):factor(state), data=df)

2. 用*简写，不需要重复写主效应：

reg1 <- lm(x ~ y + z + factor(year)*factor(state), data=df)

如果你的数据中year和state已经提前转换为factor类型，两种写法的拟合结果完全一致。

内容的提问来源于stack exchange，提问作者moreirasd