嵌套feols/plm模型对比的Wald检验适用性与报错解决方案问询

Wald检验的适用性 #

你提到的场景属于嵌套模型的联合显著性检验：model_1是model_2的约束版本，原假设为「三个dummy_past与specific_regions的交互项系数联合为0」，也就是两个模型拟合效果无显著差异。Wald检验本身适配该场景，你遇到的报错不是方法本身的问题，是工具包适配和数据共线导致的。

feols/plm嵌套模型对比的可用检验方法 #

• fixest原生Wald检验：专门适配feols对象，支持高维固定效应、稳健/聚类标准误，无需依赖其他包的检验函数
• 嵌套F检验：同方差假设下，线性面板模型的嵌套对比可直接用F检验，检验效力在同方差场景下优于Wald
• plm包专用检验：用plm拟合的模型可调用pFtest()做面板F检验，pwaldtest()做稳健Wald检验
• 注意：似然比检验（lrtest）仅适用于同方差假设下的极大似然估计模型，如果你的模型用了聚类标准误、异方差稳健标准误，lrtest的结果是不一致的，不推荐使用。

报错解决方案 #

你遇到的「系统计算奇异」报错，本质是待检验参数的方差协方差矩阵不可逆，可按以下步骤排查解决：

1. 替换检验函数：不要用lmtest包的waldtest()，改用fixest原生的wald()函数，语法参考：

# 检验model2中所有dummy_past交互项的联合显著性，对应两个模型的差异
wald(model_2, keep = "i\\(dummy_past", vcov = "hetero")

也可以直接调用fixest适配的anova()方法：

anova(model_1, model_2, vcov = "hetero")

2. 排查共线性问题：调用model_2$collin.var查看回归中被自动移除的共线变量，若存在无变异的交互项（比如部分specific_regions子组中dummy_past没有取值变化），删除对应子组样本后重新拟合模型再做检验
3. 调整标准误设置：如果之前使用了聚类组数量过少的聚类标准误，会导致方差协方差矩阵不满秩，可先改用异方差稳健标准误完成检验，再验证聚类标准误的合理性。

内容的提问来源于stack exchange，提问作者Thomasel