Question

我正在尝试使用固定效果和plm在R的model = 'within'包中运行回归，同时具有群集标准错误。使用Cigar中的plm数据集，我正在运行：

require(plm)
require(lmtest)
data(Cigar)
model <- plm(price ~ sales + factor(state), model = 'within', data = Cigar)
coeftest(model, vcovHC(model, type = 'HC0', cluster = 'group'))

  Estimate Std. Error t value Pr(>|t|)    
sales  -1.21956    0.21136 -5.7701 9.84e-09

这与我使用Stata（将雪茄文件编写为.dta）得到的结果略有不同：

use cigar

xtset state year

xtreg price sales, fe vce(cluster state)


price   Coef.   Std. Err.   t   P>t [95% Conf.  Interval]

sales   -1.219563   .2137726    -5.70   0.000   -1.650124   -.7890033

即，标准误差和T统计量不同。我尝试用不同的“类型”重新运行R代码，但没有一个给出与Stata相同的结果。我错过了什么吗？

Answer 1

由于群集数量有限，Stata使用a finite sample correction来减少错误中的downwards bias。它是方差 - 协方差矩阵的乘法因子，$ c = \ frac {G} {G-1} \ cdot \ frac {N-1} {NK} $，其中G是群组的数量，N是观察次数，K是参数的数量。我认为coeftest只使用$ c＆＃39; = \ frac {N-1} {NK} $，因为如果我按照c中第一项的平方来缩放R的标准误差，我会得到一些东西非常接近Stata的标准错误：

display 0.21136*(46/(46-1))^(.5)
.21369554

以下是我如何复制Stata在R中所做的事情：

require(plm)
require(lmtest)
data(Cigar)
model <- plm(price ~ sales, model = 'within', data = Cigar)
G <- length(unique(Cigar$state))
c <- G/(G - 1)
coeftest(model,c * vcovHC(model, type = "HC1", cluster = "group"))

这会产生：

t test of coefficients:

       Estimate Std. Error  t value   Pr(>|t|)    
sales -1.219563   0.213773 -5.70496 1.4319e-08 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

同意Stata的错误0.2137726和t-stat为-5.70。

这段代码可能并不理想，因为数据中的状态数可能与回归中的状态数不同，但我太懒了，无法弄清楚如何获得正确数量的面板。

Answer 2

Stata使用已在plm 1.5中实施的特定小样本修正。

试试这个：

require(plm)
require(lmtest)
data(Cigar)
model <- plm(price ~ sales + factor(state), model = 'within', data = Cigar)
coeftest(model, function(x) vcovHC(x, type = 'sss'))

将产生：

t test of coefficients:

      Estimate Std. Error t value  Pr(>|t|)    
sales  -1.2196     0.2137  -5.707 1.415e-08 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

这给出了相同的SE估计值，最多3位数：

x <- coeftest(model, function(x) vcovHC(x, type = 'sss'))
x[ , "Std. Error"]
## [1] 0.2136951

使用plm（具有固定效果）的R中的聚类标准错误

2 个答案: