Sepulveda MV. · PloS one · 2025

Capybara: Efficient estimation of generalized linear models with high-dimensional fixed effects.

Resumo em português

Este artigo apresenta o capybara, um pacote R que implementa algoritmos computacionalmente eficientes para estimação de modelos lineares generalizados (GLMs) com efeitos fixos de alta dimensionalidade. Baseando-se em Stammann (2018), combinamos o teorema de Frisch-Waugh-Lovell (FWL) com projeções alternadas para alcançar uma estimação eficiente em termos de memória. Nossos testes demonstram que o capybara reduz o tempo de cálculo em 95-99% em comparação com abordagens tradicionais de variáveis fictícias, mantendo a precisão numérica em até 5 casas decimais. Para um modelo de gravidade complexo com 28.000 observações e 3.200 efeitos fixos, o capybara realiza a estimação em apenas 6 segundos usando 33 MB de memória, contra 11 minutos e 12 GB com o R base. O pacote é especialmente valioso para economia do comércio, economia do trabalho e outras aplicações que requerem múltiplos efeitos fixos de alta dimensionalidade para controlar heterogeneidade não observada, tornando modelos antes inviáveis computacionalmente tratáveis em hardware padrão.

Resumo original em inglês

This paper introduces capybara, an R package implementing computationally efficient algorithms for estimating generalized linear models (GLMs) with high-dimensional fixed effects. Building on Stammann (2018), we combine the Frisch-Waugh-Lovell (FWL) theorem with alternating projections to achieve memory-efficient estimation. Our benchmarks demonstrate that capybara reduces computation time by 95-99% compared to traditional dummy variable approaches while maintaining numerical accuracy to 5 decimal places. For a complex gravity model with 28,000 observations and 3,200 fixed effects, capybara completes estimation in just 6 seconds using 33 MB of memory, compared to 11 minutes and 12 GB with base R. The package is particularly valuable for trade economics, labor economics, and other applications requiring multiple high-dimensional fixed effects to control for unobserved heterogeneity, making previously infeasible models computationally tractable on standard hardware.