HAC 标准错误和非 HAC 标准错误答案

【问题标题】：HAC Standard Error and Non HAC Standard ErrorHAC 标准错误和非 HAC 标准错误
【发布时间】：2016-02-16 10:02:26
【问题描述】：

滚动窗口回归估计如下： data= datam，每个周期 60 个窗口

datam=cbind(unempts,gdpts)
datam <-matrix(datam,ncol=2)
out <- rollapplyr(datam,
                  width = 60,
                  FUN = function(x) coef(lm(as.data.frame(x))),
                  by.column=FALSE)
plot((out[,2]),type="l")

在此图中，还需要通过使用 HAC 和非 HAC SE 作为斜率系数来添加置信区间。为了获得我尝试过的 SE

coeftest(out[,2],vcov. = out[,2]$hacse)

但我得到一个错误 -

错误：$ 运算符对原子向量无效

请告知我哪里出错了。

【问题讨论】：

您需要更多详细信息。您要输入什么样的数据。这通常发生在您的子集错误时。
@AbdalahEl-Barrad 输入输出的数据是来自 lm 的系数，[,1] 表示截距，[,2] 表示斜率
head(outm) (拦截) V2 [1,] 7.046241 -0.3939213 [2,] 6.962879 -0.3867624 [3,] 6.750484 -0.3423529 [4,] 6.557447 -0.2992243 [5,] 6.4 0.2718148 [6,] 6.383905 -0.2631228
试试 coeftest(out, vcov. = hacse)
@AbdalahEl-Barrad 也是同样的错误。此代码是有人建议的。您能确定创建的回归对象是什么吗？我对 out 和 x 感到困惑。

标签： r confidence-interval standard-error

【解决方案1】：

为了使您的示例具有可重复性，我从 Greene 的计量经济学教科书中获取了失业和 GDP 数据，该教科书可在 AER 包中找到。我还计算了 GDP 回报率而不是 GDP 水平：

data("USMacroG", package = "AER")
datam <- ts.intersect(
  unemp = USMacroG[, "unemp"],
  gdp = diff(log(USMacroG[, "unemp"]))
)

然后可以通过zoo 包执行滚动回归：

library("zoo")
out <- rollapplyr(datam, width = 60, by.column = FALSE,
  FUN = function(x) coef(lm(as.data.frame(x))))

结果对象out 是一个时间序列对象（"ts" 类），其中仅存储两个回归系数（截距和斜率）。

class(out)
## [1] "mts"    "ts"     "matrix"
head(out, 3)
##      (Intercept)      gdp
## [1,]    4.896035 2.104652
## [2,]    4.878405 2.307698
## [3,]    4.870110 2.397435

因此，绘制第二列会产生随时间变化的 GDP 回报斜率：

plot(out[, 2])

因此，为了获得除系数之外的标准误差，这些需要存储在out 时间序列中。可以使用sandwich 包获得各种类型的 HAC 标准错误（安德鲁斯内核 HAC、Newey-West 等）。对于单个线性回归：

reg <- lm(as.data.frame(datam))
coef(reg)
## (Intercept)         gdp 
##    5.677756    2.945576 
sqrt(diag(vcov(reg)))
## (Intercept)         gdp 
##   0.1101139   1.5414225 
library("sandwich")
sqrt(diag(kernHAC(reg)))
## (Intercept)         gdp 
##    1.543329    2.810953

如您所见，HAC 标准误差要大得多，因为数据中存在正自相关（这可能更好地明确建模，而不是通过 HAC 标准误差捕获）。

out <- rollapplyr(datam, width = 60, by.column = FALSE,
  FUN = function(x) {
    reg <- lm(as.data.frame(x))
    c(
      "slope" = coef(reg)[2],
      "se" = sqrt(diag(vcov(reg)))[2],
      "hacse" = sqrt(diag(kernHAC(reg)))[2]
    )
  })

这会产生估计的斜率和两种标准误差：

head(out, 3)
##      slope.gdp   se.gdp hacse.gdp
## [1,]  2.104652 1.482968  2.079983
## [2,]  2.307698 1.491482  2.153506
## [3,]  2.397435 1.532250  2.278149

您可以从中创建更多图等。示例中的模型并不是特别适合，而且相当值得怀疑。但我希望现在已经清楚（呃）R 代码是如何工作的。

【讨论】：

易于理解和全面的解决方案，以上所有工作

【解决方案2】：

我们真的没有准备好解决您在问题标题中提出的主题，因为存在更多基本错误和许多需要澄清的歧义。错误来自out[,2]$hacse。 out[,2] 部分返回一个向量，您不能使用$ 访问向量的组件。

在您的 cmets 中，您询问回归对象在哪里。它由lm(as.data.frame(x)) 返回给函数coef，然后 coef 函数将其丢弃，但还有更多问题。没有公式。所以我不明白你在做什么。您对datam 对象的描述是粗略的，以允许进一步评论。你为什么不制作str(datam) 并解释你真正希望做什么。（默认包中没有 rollapplyr 函数，因此您还需要包含 library 调用。）

【讨论】：