Регрессия с фиксированными эффектами без экзогенных переменных в Python ⇐ Python

[Anonymous]

Я пытаюсь подогнать линейную регрессию TWFE, поэтому у меня есть эндогенная переменная (y), эффекты сущности и эффекты времени. Я просто хочу подогнать эту регрессию:

Код: Выделить всё

Y_it = \lambda_t + \gamma_i

Но если я не использую экзогенную переменную (X), я получаю сообщение об ошибке «отсутствует экзогенный позиционный аргумент».
Вот код, воспроизводящий ошибку:

Код: Выделить всё

import pandas as pd
from linearmodels.panel import PanelOLS

# generate fake Panel data
df = pd.DataFrame({
'entity_id': [1, 1, 2, 2, 3, 3],
'time_id': [1, 2, 1, 2, 1, 2],
'y': [10, 15, 10, 20, 30, 40]
})

# Set index for panel data (entity and time identifiers)
df = df.set_index(['entity_id', 'time_id'])

# Define the dependent variable
y = df['y']

# Create and fit the Two-Way Fixed Effects model (without X)
mod = PanelOLS(y, entity_effects=True, time_effects=True)
res = mod.fit()

О том, как это решить:
Я знаю, что могу сделать это, создав манекены с помощью pd.concat, но у меня огромный набор данных, поэтому создавать манекены - не лучшая идея. Должен быть способ сделать это, поскольку в R и Stata это возможно.

Подробнее здесь: https://stackoverflow.com/questions/790 ... -in-python