r - 如何解释固定效应单向模型中的年份虚拟变量和个体效应？

Question

我正在进行我的研究，试图调查投资者是否愿意接受与传统债券相比持有具有环境效益的债券的较低收益率。我创建了 101 对具有相同特征的匹配债券，除了一个是为环保项目融资的“绿色”债券，另一个是标准债券。在我的分析中，我观察到他们的要价收益率的差异——对于每对债券，我每天都有关于从债券发行到 2020 年 1 月的要价收益率差异的数据。有了这个不平衡的 44,863 个债券日面板，我现在正在运行一个R 中使用 plm 包的固定效应不平衡面板回归：

model_fe = plm(yield_diff ~ Bid_ask, data  = mydata.set, model = "within")

我主要对截距捕获的未观察到的个体固定效应感兴趣。

但是，我还希望研究时间效应，看看因变量（收益率的差异，即价格）是否会随着时间的推移而变化。但是，使用双向固定效应模型会增加联合不显着的日效应。因此，我想添加年度虚拟变量，看看环境债券和常规债券之间的收益率差异是否及时发生了变化。

考虑到我从 2014 年到 2020 年的数据跨度，我估计了以下等式，为 2014 年省略了一个虚拟变量以防止多重共生问题：

model_YearDummies = plm(yield_diff ~ bid_ask + 2015 + 2016 + 2017 + 2017 + 2018 + 2019 + 2020, data  = mydata.set_YearDummies, model = "within")

6 年虚拟变量中有 4 个具有统计显着性。然而，现在个体固定效应也发生了显着变化并变大。难道现在的截距也包括了 2014 年的影响吗？我认为为了区分年份效应和个体效应，我需要为每一年包括年份虚拟变量（即也包括 2014 年的虚拟变量），但 R 不允许我这样做......

这里的正确方法是什么？我是否应该包括年份虚拟变量并解释它们的系数，但是对于没有时间效应的初始估计的个体效应报告结果？

如何根据年份将数据集分成子样本，估计每个子样本的原始方程并检查个体效应平均值的差异？

标签： rtimefixedeffectsplm