Question

我正在尝试将Logit回归从Stata复制到R.在Stata中，我使用“robust”选项来获得强大的标准误差（异方差性一致的标准误差）。我能够从Stata中复制完全相同的系数，但是我无法使用“三明治”包具有相同的强大标准误差。

我尝试过一些OLS线性回归的例子;看起来R和Stata的三明治估算器给了我同样强大的OLS标准误差。有人知道Stata如何计算非线性回归的三明治估计量，在我的例子中是logit回归吗？

谢谢！

附加代码：在R：

library(sandwich)
library(lmtest)    
mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")    
mydata$rank<-factor(mydata$rank)    
myfit<-glm(admit~gre+gpa+rank,data=mydata,family=binomial(link="logit"))    
summary(myfit)    
coeftest(myfit, vcov = sandwich)    
coeftest(myfit, vcov = vcovHC(myfit, "HC0"))    
coeftest(myfit, vcov = vcovHC(myfit))    
coeftest(myfit, vcov = vcovHC(myfit, "HC3"))    
coeftest(myfit, vcov = vcovHC(myfit, "HC1"))    
coeftest(myfit, vcov = vcovHC(myfit, "HC2"))    
coeftest(myfit, vcov = vcovHC(myfit, "HC"))    
coeftest(myfit, vcov = vcovHC(myfit, "const"))    
coeftest(myfit, vcov = vcovHC(myfit, "HC4"))    
coeftest(myfit, vcov = vcovHC(myfit, "HC4m"))    
coeftest(myfit, vcov = vcovHC(myfit, "HC5"))

的Stata：

use http://www.ats.ucla.edu/stat/stata/dae/binary.dta, clear    
logit admit gre gpa i.rank, robust

Answer 1

默认所谓＆＃34;强健＆＃34; Stata中的标准错误对应于同名包中的sandwich()计算。唯一的区别是有限样本调整是如何完成的。在sandwich(...)函数中，默认情况下根本不进行有限样本调整，即三明治除以1 / n，其中n是观察数。或者，可以使用sandwich(..., adjust = TRUE)除以1 /（n-k），其中k是回归量的数量。 Stata除以1 /（n - 1）。

当然，渐渐地，这些根本没有区别。除了一些特殊情况（例如，OLS线性回归）之外，没有论证1 /（n - k）或1 /（n - 1）正常工作＆＃34;正确＆＃34;在有限样本中（例如，无偏差）。至少不是我所知道的。

因此，要获得与Stata相同的结果，您可以这样做：

sandwich1 <- function(object, ...) sandwich(object) * nobs(object) / (nobs(object) - 1)
coeftest(myfit, vcov = sandwich1)

这会产生

z test of coefficients:

              Estimate Std. Error z value  Pr(>|z|)    
(Intercept) -3.9899791  1.1380890 -3.5059 0.0004551 ***
gre          0.0022644  0.0011027  2.0536 0.0400192 *  
gpa          0.8040375  0.3451359  2.3296 0.0198259 *  
rank2       -0.6754429  0.3144686 -2.1479 0.0317228 *  
rank3       -1.3402039  0.3445257 -3.8900 0.0001002 ***
rank4       -1.5514637  0.4160544 -3.7290 0.0001922 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

仅供记录：在二元响应案例中，这些＆＃34;强大的＆＃34;标准错误对任何事情都不健全。如果模型被正确指定，它们是一致的并且可以使用它们但是它们不能防止模型中的任何错误指定。因为夹层标准误差起作用的基本假设是模型方程（或更确切地说是相应的分数函数）被正确指定，而模型的其余部分可能被错误指定。然而，在二元回归中，没有错误指定的余地，因为模型方程只包括均值（=概率），而可能性分别是均值和1 - 均值。这与线性或计数数据回归形成对比，其中可能存在异方差性，过度离散等。

Stata和R中Logit回归的不同鲁棒标准误差

1 个答案: