plm包pdata.frame报错：同一国家-年份对存在多观测值如何处理

报错原因 #

你收到的重复配对警告是因为pdata.frame()默认要求个体-时间二合一索引唯一，你用国家作为个体维度、年份作为时间维度时，同一个国家同一年有多笔贷款，自然会出现重复配对，这是你的数据结构的正常特征，不是数据错误。

索引设置的核心逻辑 #

很多用户存在一个误解：pdata.frame()的索引维度等于回归时要控制的固定效应维度，这是完全错误的。索引的唯一作用是标识每个观测的定位，满足plm包的数据结构要求，不会干预你回归时指定的固定/随机效应维度。

适合你场景的两种解决方案 #

方案1：三维索引法（最贴合你的研究设计，推荐） #

你希望个体维度为国家、时间维度为年份，只需要给同一个国家-年份下的多笔贷款生成一个组内唯一序号作为第三个索引即可，不会改变你对国家/年份效应的估计：

library(dplyr)
library(plm)

# 步骤1：生成同国家-年份下的观测唯一序号
df <- df %>%
  group_by(borrower_country, year) %>%
  mutate(obs_order = row_number()) %>%
  ungroup()

# 步骤2：构造三维索引的pdata.frame，依次为[个体维度（国家）、时间维度（年份）、组内观测序号]
df_p <- pdata.frame(df, index = c("borrower_country", "year", "obs_order"))

完成构造后你可以直接按需求运行模型：

• 国家固定效应模型：plm(y ~ 自变量, data = df_p, model = "within")
• 国家+年份双向固定效应模型：plm(y ~ 自变量, data = df_p, model = "within", effect = "twoways")
• 国家层面随机效应模型：plm(y ~ 自变量, data = df_p, model = "random")

方案2：贷款ID作为个体索引 #

如果你不需要估计贷款层面的固定效应，这种方式也可以使用，不会破坏你要加的国家/年份固定效应，只需要注意不要默认启用贷款层面的个体固定效应即可：

# 构造二维索引，个体为贷款ID，时间为年份
df_p <- pdata.frame(df, index = c("loan_id", "year"))

# 手动指定控制国家+年份固定效应，用pooling模型结合因子控制即可
fe_model <- plm(y ~ 自变量 + factor(borrower_country) + factor(year),
                data = df_p, model = "pooling")

如果你需要控制贷款层面的固定效应，直接将上述代码的model参数改为"within"，并添加effect = "twoways"即可同时控制贷款+年份双向固定效应。

关于你顾虑的说明 #

你担心用贷款ID作为索引会破坏年份固定效应，这个顾虑完全不需要有：年份固定效应的本质是对每一年生成一个虚拟变量纳入回归，和你用什么作为pdata.frame()的索引没有任何关系，只要你在回归中正确指定了控制项，效应就会正常生效。

内容的提问来源于stack exchange，提问作者Moz