Próbuję zrozumieć standardowy błąd „klastrowanie” i sposób wykonania w języku R (w Stacie jest to trywialne). W RI nie udało mi się ani użyć ani plm
napisać własnej funkcji. Użyję diamonds
danych z ggplot2
paczki.
Potrafię robić stałe efekty z dowolnymi zmiennymi obojętnymi
> library(plyr)
> library(ggplot2)
> library(lmtest)
> library(sandwich)
> # with dummies to create fixed effects
> fe.lsdv <- lm(price ~ carat + factor(cut) + 0, data = diamonds)
> ct.lsdv <- coeftest(fe.lsdv, vcov. = vcovHC)
> ct.lsdv
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
carat 7871.082 24.892 316.207 < 2.2e-16 ***
factor(cut)Fair -3875.470 51.190 -75.707 < 2.2e-16 ***
factor(cut)Good -2755.138 26.570 -103.692 < 2.2e-16 ***
factor(cut)Very Good -2365.334 20.548 -115.111 < 2.2e-16 ***
factor(cut)Premium -2436.393 21.172 -115.075 < 2.2e-16 ***
factor(cut)Ideal -2074.546 16.092 -128.920 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
lub przez pozbawienie znaczenia zarówno lewej, jak i prawej strony (brak regresorów niezmiennych w czasie) i korygowanie stopni swobody.
> # by demeaning with degrees of freedom correction
> diamonds <- ddply(diamonds, .(cut), transform, price.dm = price - mean(price), carat.dm = carat .... [TRUNCATED]
> fe.dm <- lm(price.dm ~ carat.dm + 0, data = diamonds)
> ct.dm <- coeftest(fe.dm, vcov. = vcovHC, df = nrow(diamonds) - 1 - 5)
> ct.dm
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
carat.dm 7871.082 24.888 316.26 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Nie mogę powielić tych wyników plm
, ponieważ nie mam indeksu „czasu” (tzn. To nie jest tak naprawdę panel, tylko klastry, które mogą mieć wspólne odchylenie pod względem błędów).
> plm.temp <- plm(price ~ carat, data = diamonds, index = "cut")
duplicate couples (time-id)
Error in pdim.default(index[[1]], index[[2]]) :
Próbowałem także zakodować własną macierz kowariancji za pomocą standardowego błędu klastrowego, używając wyjaśnień Staty dotyczących ich cluster
opcji ( wyjaśnionej tutaj ), która polega na rozwiązaniu gdzie , si liczba klastrów, jest resztą dla obserwacji a jest wektorem rzędów predyktorów, w tym stałą (pojawia się to również jako równanie (7.22) w przekroju Wooldridge'a i danych panelowych
plm
klastrów na jednym czynniku, nie jestem pewien, jak przeprowadzić test porównawczy mojego kodu.
> # with cluster robust se
> lm.temp <- lm(price ~ carat + factor(cut) + 0, data = diamonds)
>
> # using the model that Stata uses
> stata.clustering <- function(x, clu, res) {
+ x <- as.matrix(x)
+ clu <- as.vector(clu)
+ res <- as.vector(res)
+ fac <- unique(clu)
+ num.fac <- length(fac)
+ num.reg <- ncol(x)
+ u <- matrix(NA, nrow = num.fac, ncol = num.reg)
+ meat <- matrix(NA, nrow = num.reg, ncol = num.reg)
+
+ # outer terms (X'X)^-1
+ outer <- solve(t(x) %*% x)
+
+ # inner term sum_j u_j'u_j where u_j = sum_i e_i * x_i
+ for (i in seq(num.fac)) {
+ index.loop <- clu == fac[i]
+ res.loop <- res[index.loop]
+ x.loop <- x[clu == fac[i], ]
+ u[i, ] <- as.vector(colSums(res.loop * x.loop))
+ }
+ inner <- t(u) %*% u
+
+ #
+ V <- outer %*% inner %*% outer
+ return(V)
+ }
> x.temp <- data.frame(const = 1, diamonds[, "carat"])
> summary(lm.temp)
Call:
lm(formula = price ~ carat + factor(cut) + 0, data = diamonds)
Residuals:
Min 1Q Median 3Q Max
-17540.7 -791.6 -37.6 522.1 12721.4
Coefficients:
Estimate Std. Error t value Pr(>|t|)
carat 7871.08 13.98 563.0 <2e-16 ***
factor(cut)Fair -3875.47 40.41 -95.9 <2e-16 ***
factor(cut)Good -2755.14 24.63 -111.9 <2e-16 ***
factor(cut)Very Good -2365.33 17.78 -133.0 <2e-16 ***
factor(cut)Premium -2436.39 17.92 -136.0 <2e-16 ***
factor(cut)Ideal -2074.55 14.23 -145.8 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1511 on 53934 degrees of freedom
Multiple R-squared: 0.9272, Adjusted R-squared: 0.9272
F-statistic: 1.145e+05 on 6 and 53934 DF, p-value: < 2.2e-16
> stata.clustering(x = x.temp, clu = diamonds$cut, res = lm.temp$residuals)
const diamonds....carat..
const 11352.64 -14227.44
diamonds....carat.. -14227.44 17830.22
Czy można to zrobić w R? Jest to dość powszechna technika w ekonometrii (w tym wykładzie znajduje się krótki samouczek ), ale nie mogę jej zrozumieć w R. Dzięki!
źródło
cluster
opcja jest wyjaśniona. Jestem pewien, że replikacja w R. byłaby możliwafactor
że nie mam nic wspólnego,factanal
ale odnosi się do zmiennych skategoryzowanych. Jakkolwiek klaster w R odnosi się do analizy skupień, k-średnich jest tylko metodą partycjonowania: statmethods.net/advstats/cluster.html . Nie dostaję twojego pytania, ale wydaje mi się, że klaster nie ma z tym nic wspólnego.Odpowiedzi:
W przypadku białych standardowych błędów skupionych w grupach według
plm
struktury spróbujgdzie
model.plm
jest model plm.Zobacz także ten link
http://www.inside-r.org/packages/cran/plm/docs/vcovHC lub dokumentacja pakietu plm
EDYTOWAĆ:
W przypadku klastrowania dwukierunkowego (np. Grupa i czas) zobacz następujący link:
http://people.su.se/~ma/clustering.pdf
Oto kolejny pomocny przewodnik dla pakietu PLM, który wyjaśnia różne opcje standardowych błędów klastrowanych:
http://www.princeton.edu/~otorres/Panel101R.pdf
Klastry i inne informacje, szczególnie dla Staty, można znaleźć tutaj:
http://www.kellogg.northwestern.edu/faculty/petersen/htm/papers/se/se_programming.htm
EDYCJA 2:
Oto przykłady, które porównują R i stata: http://www.richard-bluhm.com/clustered-ses-in-r-and-stata-2/
Ponadto
multiwayvcov
mogą być pomocne. Ten post zawiera pomocne omówienie: http://rforpublichealth.blogspot.dk/2014/10/easy-clustered-standard-errors-in-r.htmlZ dokumentacji:
źródło
coeftest(model.plm, vcov=vcovHC(model.plm,type="HC0"))
a takżecoeftest(model.plm, vcov=vcovHC(model.plm,type="HC0",cluster="group"))
produkować identyczne wyniki. Czy wiesz, dlaczego tak jest?Po wielu lekturach znalazłem rozwiązanie do tworzenia klastrów w
lm
ramach.Istnieje doskonała biała księga Mahmooda Arai, która zawiera samouczek na temat grupowania w
lm
ramach, który wykonuje z korektami stopni swobody zamiast moich niechlujnych prób powyżej. On zapewnia swoje funkcje zarówno jedno- i dwukierunkowych macierzy kowariancji klastrów tutaj .Wreszcie, chociaż treść nie jest dostępna za darmo, „ Najbardziej nieszkodliwe ekonometria” autorstwa Angrista i Pischke ma bardzo pomocny rozdział dotyczący grupowania.
Zaktualizuj 27.04.2015, aby dodać kod z posta na blogu .
źródło
Najłatwiejszym sposobem obliczenia klastrowanych błędów standardowych w R jest użycie zmodyfikowanej funkcji podsumowania.
Istnieje doskonały post na temat klastrowania w ramach lm. Witryna udostępnia również zmodyfikowaną funkcję podsumowania dla grupowania jedno- i dwukierunkowego. Możesz znaleźć funkcję i samouczek tutaj .
źródło
Jeśli nie masz
time
indeksu, nie potrzebujesz go: samplm
doda fikcyjny i nie będzie używany, dopóki go nie poprosisz. To połączenie powinno działać :Tyle że nie, co sugeruje, że trafiłeś w błąd
plm
. (Ten błąd został już naprawiony w SVN. Możesz zainstalować wersję rozwojową tutaj .)Ponieważ jednak i tak byłby to fikcyjny
time
indeks, możemy go stworzyć sami:Teraz to działa:
Ważna uwaga :
vcovHC.plm()
wplm
woli domyślnie szacunków Arellano skupione przez SE grupowych. Który jest inny od tego, covcovHC.lm()
wsandwich
oszacuje (npvcovHC
SE w oryginalnym pytanie), który jest zgodny Heteroskedastyczność-SE bez grupowania.Odrębnym podejściem do tego jest trzymanie się
lm
fałszywych regresji zmiennych i pakietu multiwayvcov .W obu przypadkach otrzymasz SE Arellano (1987) z grupowaniem według grup.
multiwayvcov
Pakiet jest bezpośredni i znaczący rozwój pierwotnych funkcji grupowania Arai jest.Możesz także spojrzeć na wynikową macierz wariancji-kowariancji z obu podejść, uzyskując takie same oszacowanie wariancji dla
carat
:źródło