(Bing Image Creator で生成: Close up of yellow Acacia dealbata flowers, background is green woods and blue sky, photo)
の続きです。
今回は、パネルデータ分析をしてみます。
参考ウェブサイトは、
です。
まず、jisatsu, mitsudo, growth の揃っているデータフレームだけを作成します。
plm パッケージを読み込みます。
pdata.frame() で df_nona をパネルデータフレームに変換します。
n = 47 は47の都道府県があるということ、T = 2 は年度が2005年と2010年であることを表しています。
これから係数を推定しようとするモデルは、
jisatsu = beta1 * mitsudo + beta2 * growth + prefの固定効果 + yearの固定効果 + 誤差項
になります。
lm() 関数を使う方法は、
mitsudo の係数は 0.007646, growth の係数は -0.141477 です。人口密度が高いほど、自殺者の数が増えるという前回と逆の結果となりました。総所得増加率が高いほど、自殺者数が減るということですね。
plm() を使う方法は、
lm() を使う方法と同じ係数になります。
この係数が統計的に有意にゼロと違うかどうかチェックします。
AER パッケージを読み込みます。
coeftest() でゼロと違うかどうかをチェックします。
mitsudo の p値は 0.013 で、growth の p値は 0.095 です。
mitsudo は5%水準で有意な値、growth は 10%水準で有意な値です。
mitsudo は1平方キロメートル当たりの人口密度、jisatsu は人口10万人当たりの自殺者数です。
1平方キロメートル当たりの人口密度が一人増えると、人口10万人当たりの自殺者数が0.007645人増える、ということですね。
人口密度が10人増えると自殺者数は0.07645人増える、
100人だと0.7645人増える、
1000人だと7.645人増える、ということですね。
このデータの最小の人口密度は3317人、最大は12022人、平均は5488人です。
このデータの最小の自殺者数は19.3人、最大は39.2人、平均は24.76人です。
人口密度の効果は結構ばかにならないように見えます。
growth は総所得増加率でパーセント表示です。
1パーセントポイント上昇すると、自殺者数は0.1414人減るということですね。
growth の最小値は -3.5, 最大値は 8.7, 平均は 3.3です。
8.7 * 0.1414 = 1.23 ぐらいです。総所得増加率の効果はそれほど大きくないように見えます。
今回は以上です。
初めから読むには、
です。
今回のコードは以下になります。
#
# jisatsu, mitsudo, growth が揃っているデータフレームを作成
df_nona <- df_raw |>
na.omit()
summary(df_nona)
#
# plm パッケージを読み込む
library(plm)
#
# panel data frame に変換
pdf <- pdata.frame(df_nona,
index = c("pref", "year"))
pdim(pdf)
#
# lm() を使う方法
fe_lm_mod <- lm(jisatsu ~ mitsudo + growth + pref + year - 1,
data = pdf)
fe_lm_mod
#
# plm() を使う方法
fe_plm_mod <- plm(jisatsu ~ mitsudo + growth,
data = pdf,
index = c("pref", "year"),
model = "within",
effect = "twoways")
fe_plm_mod
#
# AERパッケージを読み込む
library(AER)
#
# 係数がゼロと違うかどうか
coeftest(fe_plm_mod, vcov = vcovHC, type = "HC1")
#
