R中的稳健聚类标准误差和回归权重答案

【问题标题】：Robust Clustered Standard Errors and Regression Weights in RR中的稳健聚类标准误差和回归权重
【发布时间】：2015-01-31 03:43:52
【问题描述】：

如何在 R 中运行同时使用样本权重和稳健聚类标准误的 OLS 回归？我知道lm 将接受weights 参数，但plm——我能找到的集群标准错误包——似乎不接受权重。

【问题讨论】：

标签： r regression

【解决方案1】：

现在有一个使用estimatr package 中的lm_robust 的简单解决方案，您可以从CRAN install.packages(estimatr) 安装它。

> library(estimatr)
> lmro <- lm_robust(mpg ~ hp, data = mtcars, clusters = cyl, weights = wt, se_type = "stata")
> summary(lmro)

Call:
lm_robust(formula = mpg ~ hp, data = mtcars, weights = wt, clusters = cyl, 
    se_type = "stata")

Weighted, Standard error type:  stata 

Coefficients:
            Estimate Std. Error Pr(>|t|) CI Lower CI Upper DF
(Intercept) 28.54865    4.01353  0.01920  11.2798 45.81749  2
hp          -0.06249    0.01908  0.08191  -0.1446  0.01959  2

Multiple R-squared:  0.5851 ,   Adjusted R-squared:  0.5713 
F-statistic: 42.31 on 1 and 30 DF,  p-value: 3.437e-07

您可以查看更多关于它使用的确切估算器here。

【讨论】：

【解决方案2】：

以下function 计算聚类标准误差，因为它依赖于lm，所以也可以合并权重（我检查过，它产生的结果与 Stata 相同）。

cl   <- function(dat,fm, cluster){
           require(sandwich, quietly = TRUE)
           require(lmtest, quietly = TRUE)
           M <- length(unique(cluster))
           N <- length(cluster)
           K <- fm$rank
           dfc <- (M/(M-1))*((N-1)/(N-K))
           uj  <- apply(estfun(fm),2, function(x) tapply(x, cluster, sum));
           vcovCL <- dfc*sandwich(fm, meat=crossprod(uj)/N)
           coeftest(fm, vcovCL) }

【讨论】：