Interprétation de la variable catégorielle lorsque le modèle à effets fixes dans 'plm' n'a pas d'interception

Question

Je lance ma régression de panel en utilisant la commande 'plm' avec l'effet fixe 'dedans'. La variable dépendante est numérique alors que toutes les variables indépendantes sont soit catégorielles soit binaires sauf cgi, eui, sjump et rv. Les trois variables binaires cc, ce, cw sont censées représenter la même variable catégorielle avec 4 catégories, donc j'en ai exclu une. Cependant, lorsque j'essaie d'analyser l'effet de cette quatrième catégorie à partir de ces trois variables binaires représentant 4 catégories, j'ai de la difficulté puisque ce modèle à effets fixes ne donne pas d'interception que je peux utiliser pour obtenir l'effet quatrième variable catégorique où je dois tout mettre à zéro.

Puis-je avoir de l'aide à ce sujet?

Oneway (individual) effect Within Model 

Call: 
plm(formula = liq ~ gov + indus + fin + cc * us + ce * us + cw * 
    us + cgi + eui + sjump + rv, data = DATA, model = "within", 
    index = c("year", "id")) 

Unbalanced Panel: n=20, T=1-5, N=56 

Residuals : 
     Min.  1st Qu.  Median  3rd Qu.  Max. 
-0.00261615 -0.00032955 0.00000000 0.00054460 0.00355775 

Coefficients : 
      Estimate Std. Error t-value Pr(>|t|)  
gov 2.6297e-03 9.3741e-04 2.8053 0.0100474 * 
indus 1.2222e-03 5.6817e-04 2.1511 0.0422088 * 
fin 1.8561e-04 1.1653e-03 0.1593 0.8748340  
cc -4.9511e-03 2.2878e-03 -2.1641 0.0410807 * 
us -4.1023e-03 5.4593e-04 -7.5143 1.235e-07 *** 
ce -5.6131e-03 2.2753e-03 -2.4669 0.0215034 * 
cw -5.1635e-03 2.5178e-03 -2.0508 0.0518462 . 
cgi -1.5682e-03 3.4829e-04 -4.5026 0.0001608 *** 
eui 1.1203e-06 4.1869e-05 0.0268 0.9788832  
sjump -1.8977e-03 7.2104e-03 -0.2632 0.7947520  
rv -2.7708e+00 5.6234e+00 -0.4927 0.6268798  
cc:us 1.2738e-03 2.4844e-03 0.5127 0.6130542  
us:ce 6.6711e-04 2.5962e-03 0.2570 0.7994964  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Total Sum of Squares: 0.00052049 
Residual Sum of Squares: 5.7059e-05 
R-Squared:  0.89037 
Adj. R-Squared: 0.73785 
F-statistic: 14.3696 on 13 and 23 DF, p-value: 4.5827e-08 

Answer 1

Tout d'abord: désolé, cela devrait être un commentaire, mais je ne peux pas commenter puisque j'ai quelques points et des badges.

Avez-vous essayé d'utiliser la fonction within_intercept()? « Cette fonction donne une interception globale dans les modèles et son erreur standard accompagnant »

si vous allez au manuel plm il y a quelques exemples (page 117) (https://cran.r-project.org/web/packages/plm/plm.pdf):

gi <- plm(inv ~ value + capital, data = Grunfeld, model = "within") 
fx_level <- fixef(gi, type = "level") 
fx_dmean <- fixef(gi, type = "dmean") 
overallint <- within_intercept(gi) 
all.equal(overallint + fx_dmean, fx_level, check.attributes = FALSE) # TRUE 
# overall intercept with robust standard error 
within_intercept(gi, vcov = function(x) vcovHC(x, method="arellano", type="HC0"))