UnsplashのLeopold Stengerが撮影した写真
前回は年と都道府県も説明変数に加えてtworatioを重回帰分析してみました。その結果、l_num: 健康診断を実施した事業場数の対数変換値はtworatioを説明する有意な変数ではないことがわかりました。
今回は、データフレームをパネルデータとして同じように分析してみます。
まず。plmというパッケージを読み込みます。
そして、pdata.frame()関数でデータフレームをパネルデータフレームに変換します。
pdata.frame()という関数でデータフレームをパネルデータフレームに変換します。
pdata.frame(データフレーム, index = c(id, time)) という構文です。
pdim()関数でパネルデータになっていることを確認します。n = 47 なので47都道府県、T = 3 なので3年間のデータ、N = 141 なので全部で141の観測数だとわかります。Balanced Panelなので、どの年も47都道府県のデータがあることがわかります。
パネルデータフレームの回帰分析は、plm()関数を使います。
まずは、first differenced 方式で分析してみます。
model = "fd" と指定すると、first differenced estimator になります。l_numの係数はマイナスの0.03678で、p値は0.377なので有意な結果ではありません。
次は、fixed effect estimatorで推計します。
model = "within" だとFixed Effect Estimatorになります。l_numの係数はプラスの0.019343でp値は0.6601なので有意な値ではないです。
三つ目はRandom Effect Estimatorです。
model = "random"でRandom Effects Estimatorになります。l_numの係数はマイナスの0.0288でp値は0.05より小さく有意な値となりました。
四つ目は単純なPooling OLSです。パネルデータということを無視して単純にOLSで推計します。
l_numの係数はマイナスの0.0321882でp値は0.05よりも小さいの有意です。
こうして作成した4つの回帰モデルをstargazerパッケージのstargazer()関数で見やすい表にして出力しましょう。
今回は以上です。
今回使用した関数は、
library(): パッケージの読み込み
pdata.frame(): データフレームをパネルデータフレームに変換
pdim(): パネルデータの構造を確認
plm(): パネルデータの回帰分析
summary(): 回帰分析の結果を出力
stargazer(): 回帰分析の結果の表を作成
使用したパッケージは
plmパッケージ
stargazerパッケージ
でした。
次回は
です。
初めから読むには、
です。
