stargazer
を取得してlm
モデルのクラスター化されたSEを表示する方法を知っている人はいますか? (そして対応するF検定?)可能であれば、sandwich
を使用して不均一分散にロバストなSEを計算し、 のようにそれらをstargazer
にポップするのと同様のアプローチに従いたいと思います。 http://jakeruss.com/cheatsheets/stargazer.html#robust-standard-errors-replicating-statas-robust-option 。
回帰モデルを取得するためにlm
を使用しており、会社ごとにクラスタリングしています(回帰モデルに含めていない因子変数)。 NA値もたくさんあるので、multiwayvcov
が最良のパッケージになると思います(landroniの回答の下部を参照してください- パネルデータの二重クラスター化された標準誤差 -また https://sites.google.com/site/npgraham1/research/code )? plm
は使いたくないことに注意してください。
編集:私はmultiwayvcov
パッケージを使用して解決策を見つけたと思います...
_library(lmtest) # load packages
library(multiwayvcov)
data(petersen) # load data
petersen$z <- petersen$y + 0.35 # create new variable
ols1 <- lm(y ~ x, data = petersen) # create models
ols2 <- lm(y ~ x + z, data = petersen)
cl.cov1 <- cluster.vcov(ols1, data$firmid) # cluster-robust SEs for ols1
cl.robust.se.1 <- sqrt(diag(cl.cov1))
cl.wald1 <- waldtest(ols1, vcov = cl.cov1)
cl.cov2 <- cluster.vcov(ols2, data$ticker) # cluster-robust SEs for ols2
cl.robust.se.2 <- sqrt(diag(cl.cov2))
cl.wald2 <- waldtest(ols2, vcov = cl.cov2)
stargazer(ols1, ols2, se=list(cl.robust.se.1, cl.robust.se.2), type = "text") # create table in stargazer
_
このアプローチの唯一の欠点は、各モデルのwaldtest()
出力からF統計を手動で再入力する必要があることです。
パッケージlmtestおよびmultiwayvcovを使用すると、多くの不要なオーバーヘッドが発生します。 Rでクラスター化された標準誤差を計算する最も簡単な方法は、変更されたsummary()
関数です。この関数を使用すると、クラスターと呼ばれる追加のパラメーターを従来のsummary()
関数に追加できます。次の投稿では、この関数を使用してRのクラスター化された標準誤差を計算する方法について説明します。
https://economictheoryblog.com/2016/12/13/clustered-standard-errors-in-r/
要約関数を簡単に使用して、クラスター化された標準エラーを取得し、それらをスターゲイザー出力に追加できます。あなたの例に基づいて、あなたは単に次のコードを使うことができます:
# estimate models
ols1 <- lm(y ~ x)
# summary with cluster-robust SEs
summary(ols1, cluster="cluster_id")
# create table in stargazer
stargazer(ols1, se=list(coef(summary(ols1,cluster = c("cluster_id")))[, 2]), type = "text")
lfe
パッケージよりもはるかに強力なlm
パッケージをお勧めします。回帰モデルでクラスターを簡単に指定できます。
ols1 <- felm(y ~ x + z|0|0|firmid, data = petersen)
summary(ols1)
stargazer(OLS1, type="html")
クラスター化された標準エラーは自動的に生成されます。そして、stargazer
はそれに応じてクラスター化された標準エラーを報告します。
ちなみに(より多くのマーケティングを行うことができます)、マイクロ計量経済分析には、felm
を強くお勧めします。 felm
を使用して、固定効果とIVを簡単に指定できます。文法は次のようなものです。
ols1 <- felm(y ~ x + z|FixedEffect1 + FixedEffect2 | IV | Cluster, data = Data)