У меня есть набор данных панели, и я пытаюсь оценить несколько моделей, используя разные ключевые независимые переменные. Мой набор данных выглядит примерно так:
df <- data.frame(y = rnorm(9),id= c(1,1,1,2,2,2,3,3,3), time=c(1,2,3,1,2,3,1,2,3), x1 = rnorm(9), x2 = rnorm(9), x3 = rnorm(9), c1 = rnorm(9), c2 = rnorm(9))
df <- pdata.frame(df, index=c("id","time"))
Где y - это зависимая от ключа переменная, id - это идентификатор устройства, а время - это значениеидентификатор времени c1 и c2 являются элементами управления, а x1, x2, x3 являются ключевыми независимыми переменными, представляющими интерес. Я знаю, что могу оценивать эти модели по отдельности следующим образом:
library(plm)
m1<- plm(y ~ lag(x1, k = 1)+ lag(y,k=1) + lag(c1, k = 1) +
lag(c2, k = 1), data = df, effect = "twoways",
model = "within")
m2<- plm(y ~ lag(x2, k = 1)+ lag(y,k=1) + lag(c1, k = 1) +
lag(c2, k = 1), data = df, effect = "twoways",
model = "within")
И так далее ...
Однако я искал более краткий способ написания и изучения различных моделей, посколькуУ меня есть 16 независимых переменных, представляющих интерес, и несколько зависимых переменных для изучения. Я хотел бы:
1) Найти способ «сгруппировать» все независимые переменные. Так что я могу написать модель только один раз (элементы управления и dv остаются неизменными) и r вычисляет все модели для каждой независимой переменной.
2) В идеале, команда также должна немедленно отображать все результатыупорядоченно (stargazer?), чтобы я мог быстро проверить, какая модель работает лучше, а какая хуже.
Большое спасибо за помощь