Python固定效应面板数据回归出现列秩不足报错如何解决？

• 存在完全多重共线性：你手动将区县、省-年固定效应转为分类变量后，和常数列constant一起放入外生变量exog，分类变量展开后的虚拟变量矩阵与常数列线性相关（所有虚拟变量的和等于常数列），触发虚拟变量陷阱，导致外生变量矩阵列秩不满。
• 未正确使用PanelOLS接口：linearmodels的PanelOLS内置了固定效应处理逻辑，不需要手动生成虚拟变量放入外生变量，手动生成不仅会引发共线性，还会大幅提升运算开销。
• 面板索引设置未生效：代码中df.set_index(['district','year'])没有回赋值给df，面板多层索引结构未生效，不符合PanelOLS的输入要求。

直接使用PanelOLS内置的固定效应参数，无需手动生成虚拟变量，修正后代码如下：

import pandas as pd
from linearmodels.panel import PanelOLS

# 转换x2变量
df['x2'] = df['x2'] * df['time']
# 正确设置面板索引（个体为区县，时间为年份）
df = df.set_index(['district', 'year'])
# 构造回归模型，内置控制固定效应，自动规避共线性问题
model = PanelOLS(
    dependent=df['y'],
    exog=df[['constant', 'x1', 'x2']],
    entity_effects=True,  # 控制区县固定效应
    other_effects=df.groupby(['state', 'year']).ngroup()  # 控制省-年交互固定效应
)
# 拟合模型，可按需调整聚类标准误设置
res = model.fit(cov_type='clustered', cluster_entity=True)
print(res)

如果确实需要手动控制虚拟变量生成，需要删除constant常数列，同时删除每个分类变量的一个基准组虚拟变量避免共线，但该方法运算效率远低于内置参数方案，不推荐使用。

内容的提问来源于stack exchange，提问作者Arturo Sbr