R：具有组固定效应的回归和具有估算数据集的聚类标准误差

Question

我正在尝试在 R 中运行回归（多个模型 - 泊松、二项式和连续），其中包括群体（例如学校）的固定效应，以调整一般群体水平差异（基本上按群体贬低）和聚类标准错误考虑组中参与者的嵌套。我也在估算数据帧（用鼠标创建）上运行这些。似乎不同学科使用“固定效果”这个词的方式不同，所以我很难搜索到故障排除。

我已经拟合了随机截距模型（使用 lme4），但它们没有考虑学校的固定效应（而且我的研究问题对随机效应不感兴趣）。将这些组设置为假人可以极大地减慢运行速度。我也可以使用组假人运行单级 glm/lm，但我无法找到将标准错误与估算数据聚类的策略（尝试了 clusterSE 包）。我可以手动计算贬低，但似乎应该有更直接的方法来实现这一点。

我还查看了 lfe 包，但它似乎没有 glm 选项，并且 demeanlist 函数似乎与估算的数据帧不兼容。

在 Stata 中，命令是 xtreg, fe vce（集群变量），（fe = 固定效应，vce = 集群标准错误，添加 mi 以运行估算数据帧）。我可以切换到 Stata 进行建模，但如果可能的话，我肯定更愿意继续使用 R！

请让我知道这是否更好地发布在交叉验证中 - 我当时犹豫不决，但还是选择了这个，因为它似乎更像是一个编码问题。

谢谢！

Answer 1

我会阻止引导程序。 “block”处理集群，“bootstrap”处理生成的回归量。

可能有一种更优雅的方法可以将其扩展到其他估算器，但这应该可以帮助您入门。

# junk data
x <- rnorm(100)
y <- 1 + 2*x + rnorm(100)
dat1 <- data.frame(y, x, id=seq_along(y))
summary(lm(y ~ x, data=dat1))

# same point estimates, but lower SEs
dat2 <- dat1[rep(seq_along(y), each=10), ]
summary(lm(y ~ x, data=dat2))

# block boostrap helper function
require(boot)
myStatistic <- function(ids, i) {
  myData <- do.call(rbind, lapply(i, function(i) dat2[dat2$id==ids[i], ]))
  myLm <- lm(y ~ x, data=myData)
  myLm$coefficients
}

# same point estimates from helper function if original data
myStatistic(unique(dat2$id), 1:100)


# block bootstrap recovers correct SEs
boot(unique(dat2$id), myStatistic, 500)