如何对R中lfe包的felm对象进行两回归模型的F检验？

我完全懂你碰到的这个痛点——用lfe的felm()处理带大量固定效应的回归后，平时lm模型用得顺手的anova()直接失效，手动编程又太麻烦。其实lfe包本身和一些配套工具已经提供了现成的解决方案，不用自己从头写：

1. 用lfe自带的anova.felm方法直接比较嵌套模型 #

因为你的两个模型是嵌套关系（model1是model2去掉X2、X3后的简化版），lfe包专门实现了针对felm对象的anova方法，直接调用就行：

library(lfe)

# 先拟合你的两个模型
model1 <- felm(Y ~ X1 | fixedeffects, data = data)
model2 <- felm(Y ~ X1 + X2 + X3 | fixedeffects, data = data)

# 直接比较两个嵌套模型
anova(model1, model2)

这个输出会给出似然比检验（LR test）的结果，帮你判断加入X2、X3后模型是否显著更优。

2. 用waldtest()做联合显著性检验 #

如果更关注“X2和X3是否联合显著”（这和嵌套模型检验是等价的），可以用lfe包的waldtest()函数直接检验model2中这两个变量的联合效应：

# 检验model2中X2和X3的联合显著性
waldtest(model2, c("X2", "X3"))

这个方法本质上和anova检验的结论一致，只是输出形式更聚焦于变量的显著性。

3. 用AIC/BIC进行模型选择 #

如果想从信息准则的角度比较模型，felm对象也支持标准的AIC()和BIC()函数，直接传入多个模型就能对比：

# 对比两个模型的AIC和BIC
AIC(model1, model2)
BIC(model1, model2)

数值更小的模型通常更优，这个方法适合非嵌套模型的比较，但对你的嵌套模型同样适用。

为什么常规anova()不行？因为felm对象的内部结构和lm差异很大，常规方法没有针对它做适配，但lfe包已经把这些常用的模型比较功能都封装好了，不用自己造轮子~

内容的提问来源于stack exchange，提问作者wolfsatthedoor