为什么逻辑回归中的异方差稳健标准误差？答案

【问题标题】：Why do heteroscedasticity-robust standard errors in logistic regression?为什么逻辑回归中的异方差稳健标准误差？
【发布时间】：2020-05-13 15:59:17
【问题描述】：

我正在学习关于 R 的课程。目前，我们正在使用逻辑回归。我们学习的基本形式是这样的：

model <- glm(
  formula = y ~ x1 + x2,
  data = df,
  family = quasibinomial(link = "logit"),
  weights = weight
)

这对我来说很有意义。但是，我们建议使用以下方法来获取系数和异方差稳健性推理：

model_rob <- lmtest::coeftest(model, sandwich::vcovHC(model))

这让我有点困惑。阅读有关vcovHC 的信息表明它创建了“异方差一致性估计”。为什么在进行逻辑回归时要这样做？我教它没有假设同方差？另外，我不确定coeftest 是做什么的？

谢谢！

【问题讨论】：

这似乎不是适合 Stack Overflow 的特定编程问题。如果您对统计方法有疑问，那么您应该通过Cross Validated 询问此类问题。你更有可能在那里得到更好的答案。这似乎与您用于进行分析的编程语言无关。

标签： r logistic-regression

【解决方案1】：

您是对的 - 同方差性（预测变量的每个级别的残差具有相同的方差）不是逻辑回归中的假设。然而，逻辑回归中的二元响应是异方差的（0 或 1），这就是为什么相应的估计量应该与它一致的原因。我想这就是“异方差一致”的含义。正如@MrFlick 已经指出的那样，如果您想了解有关该主题的更多信息，Cross Validated 可能是您的最佳选择。 coeftest 生成估计系数的 Wald 检验统计量。根据您的数据，这些测试为您提供了一些关于预测变量（自变量）是否似乎与因变量相关联的信息。

【讨论】：