问题描述
我正在尝试对 3 维（年份、国家、行业）面板数据运行固定效应泊松拟最大似然估计。
因变量是专利数量（非负非整数），主要自变量是放松管制（一个虚拟变量，在放松管制实施年份之前为0，从实施年份开始为1），我有一些自变量作为控件（大小和份额）。
我在 R 上尝试了几个包和函数，大部分都在 glm 和 feglm 上结束，试图运行这些回归，我希望得到相同的结果，但它们是不同的。
model1 <- glm(pt ~ dereg + size + share +
factor(year) + factor(country) + factor(industry),data=pdata,family=quasipoisson)
library(fixest)
model2 <- feglm(pt ~ dereg + size + share,cluster=c("country","industry","year"),family=quasipoisson)
这两种方法有什么区别？
在这种情况下，哪个更可靠，或者是否有更合适的包可以包含所有固定效应并在面板数据上运行拟泊松估计量？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）