如何为 R 中的 plm（池）模型计算 stargazer 中的稳健标准误差？

Question

我有几个使用plm 和pooling 的回归模型。我的数据是汇总的横截面/时间序列数据，其中包含债券发行数据。该数据包含对大约 2000 次债券发行的观察，其中包含大约 25 个债券描述变量。

我想计算一个或所有回归模型的稳健标准误差，以便将其添加到我的观星者可视化中。我的回归如下：

#Regression    
primaryreg4 <- plm(issueyield ~ issuer + exchange + yearmonth + maturity.cat + size.cat + coupontype, 
                   data = data, 
                   index = c("ID", "issuedate"), 
                   model = "pooling") 

所有变量都是固定效应（FE），所以它们是虚拟变量。我想计算这个模型的稳健标准误差，并将其添加到 stargazer。我尝试计算标准误差的代码是：

cov.r4 <- vcovHC(primaryreg4, type = "HC3")
robust_se_r4 <- sqrt(diag(cov.r4))

# or (it is the same)

robust_se_r4 <- sqrt(diag(vcovHC(primaryreg4, type = "HC3")))

然后，我会将 stargazer 中的标准错误指定为 robust_se_r。但是，我收到此错误消息：

错误：无法分配大小为 15.8 Gb 的向量

有谁知道如何解决这个问题？我知道这是一个内存问题，但文件真的不应该太大 - 我的数据是大约 25 个变量的 2000 次观察（不是太大！）。

Answer 1

您的代码在最少的面板数据上运行：

library("plm")
data("Produc", package = "plm")

# Regression    
model <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="pooling")

# Robust Standard Errors
robust_se <- sqrt(diag(vcovHC(model, type = "HC3")))

你能更详细地描述你的变量吗？成熟度和规模有哪些类别？从dplyr 尝试glimpse 检查每个变量的数据类型和格式。