与texreg集群标准错误？

时间：2016-03-29 13:50:04

标签： r texreg

我尝试重播this stata示例并从stargazer移至texreg。数据可用here。

要运行回归并获得se，我运行此代码：

library(readstata13)
library(sandwich)
cluster_se <- function(model_result, data, cluster){
  model_variables   <- intersect(colnames(data), c(colnames(model_result$model), cluster))
  model_rows <- as.integer(rownames(model_result$model))
  data <- data[model_rows, model_variables]

  cl <- data[[cluster]]
  M <- length(unique(cl))
  N <- nrow(data)
  K <- model_result$rank
  dfc <- (M/(M-1))*((N-1)/(N-K))
  uj  <- apply(estfun(model_result), 2, function(x) tapply(x, cl, sum));
  vcovCL <- dfc*sandwich(model_result, meat=crossprod(uj)/N)
  sqrt(diag(vcovCL))
}
elemapi2 <- read.dta13(file = 'elemapi2.dta')
lm1 <- lm(formula = api00 ~ acs_k3 + acs_46 + full + enroll, data = elemapi2)
se.lm1 <- cluster_se(model_result = lm1, data = elemapi2, cluster = "dnum")

stargazer::stargazer(lm1, type = "text", style = "aer", se = list(se.lm1))

==========================================================
  api00                 
----------------------------------------------------------
  acs_k3                              6.954                 
                                      (6.901)                

acs_46                             5.966**                
                                   (2.531)                

full                               4.668***               
                                   (0.703)                

enroll                             -0.106**               
                                   (0.043)                

Constant                            -5.200                
                                    (121.786)               

Observations                         395                  
R2                                  0.385                 
Adjusted R2                         0.379                 
Residual Std. Error           112.198 (df = 390)          
F Statistic                61.006*** (df = 4; 390)        
----------------------------------------------------------
  Notes:              ***Significant at the 1 percent level.
**Significant at the 5 percent level. 
*Significant at the 10 percent level.

texreg产生了这个：

texreg::screenreg(lm1, override.se=list(se.lm1))    

========================
  Model 1    
------------------------
  (Intercept)    -5.20    
                 (121.79)   
acs_k3          6.95    
                (6.90)   
acs_46          5.97 ***
                (2.53)   
full            4.67 ***
                (0.70)   
enroll         -0.11 ***
                (0.04)   
------------------------
  R^2             0.38    
Adj. R^2        0.38    
Num. obs.     395       
RMSE          112.20    
========================

如何修复p值？

2 个答案:

答案 0 :(得分：2)

首先，请注意您使用as.integer是危险的，并且一旦您使用非数字rownames数据，可能会导致问题。例如，使用其rownames由汽车名称组成的内置数据集mtcars，您的函数会将所有rownames强制转换为NA，并且您的函数将无效。

对于您的实际问题，您可以为texreg提供自定义p值，这意味着您需要计算相应的p值。为了实现这一点，您可以计算方差 - 协方差矩阵，计算测试统计量，然后手动计算p值，或者您只需计算方差 - 协方差矩阵并将其提供给例如。 coeftest。然后，您可以从那里提取标准误差和p值。由于我不愿意下载任何数据，因此我使用mtcars - 数据进行以下操作：

library(sandwich)
library(lmtest)
library(texreg)

cluster_se <- function(model_result, data, cluster){
  model_variables   <- intersect(colnames(data), c(colnames(model_result$model), cluster))
  model_rows <- rownames(model_result$model) # changed to be able to work with mtcars, not tested with other data
  data <- data[model_rows, model_variables]
  cl <- data[[cluster]]
  M <- length(unique(cl))
  N <- nrow(data)
  K <- model_result$rank
  dfc <- (M/(M-1))*((N-1)/(N-K))
  uj  <- apply(estfun(model_result), 2, function(x) tapply(x, cl, sum));
  vcovCL <- dfc*sandwich(model_result, meat=crossprod(uj)/N)
}

lm1 <- lm(formula = mpg ~ cyl + disp, data = mtcars)
vcov.lm1 <- cluster_se(model_result = lm1, data = mtcars, cluster = "carb")

standard.errors <- coeftest(lm1, vcov. = vcov.lm1)[,2]
p.values <- coeftest(lm1, vcov. = vcov.lm1)[,4]

texreg::screenreg(lm1, override.se=standard.errors, override.p = p.values)

为了完整起见，让我们手动完成：

t.stats <- abs(coefficients(lm1) / sqrt(diag(vcov.lm1)))
t.stats
(Intercept)         cyl        disp 
  38.681699    5.365107    3.745143

这些是使用群集稳健标准错误的t统计信息。自由度存储在lm1$df.residual中，并使用内置函数进行t分布（参见例如?pt），我们得到：

manual.p <- 2*pt(-t.stats, df=lm1$df.residual)
manual.p
 (Intercept)          cyl         disp 
1.648628e-26 9.197470e-06 7.954759e-04

这里，pt是分布函数，我们想要计算观察统计量的概率至少与我们观察到的一样极端。由于我们测试双面并且它是对称密度，我们首先使用负值取左边的极值，然后加倍。这与使用2*(1-pt(t.stats, df=lm1$df.residual))相同。现在，只是为了检查这会产生与以前相同的结果：

all.equal(p.values, manual.p)
[1] TRUE

答案 1 :(得分：1)

使用texreg的稳健标准错误很简单：只需直接传递coeftest！

这个问题变得更容易了，因为问题最后得到了回答：现在你可以直接用所需的方差 - 协方差矩阵传递coeftest。缺点：您失去了适合度统计数据（例如R ^ 2和观察次数），但根据您的需要，这可能不是一个大问题

如何在texreg中包含强大的标准错误

> screenreg(list(reg1, coeftest(reg1,vcov = vcovHC(reg1, 'HC1'))), 
      custom.model.names = c('Standard Standard Errors', 'Robust Standard Errors'))

=============================================================
             Standard Standard Errors  Robust Standard Errors
-------------------------------------------------------------
(Intercept)  -192.89 ***               -192.89 *             
              (55.59)                   (75.38)              
x               2.84 **                   2.84 **            
               (0.96)                    (1.04)              
-------------------------------------------------------------
R^2             0.08                                         
Adj. R^2        0.07                                         
Num. obs.     100                                            
RMSE          275.88                                         
=============================================================
*** p < 0.001, ** p < 0.01, * p < 0.05

为了生成这个例子，我创建了一个具有异方差性的数据帧，请参阅下面的完整可运行示例代码：

require(sandwich);
require(texreg);

set.seed(1234)
df <- data.frame(x = 1:100);
df$y <- 1 + 0.5*df$x + 5*100:1*rnorm(100)

reg1 <- lm(y ~ x, data = df)
相关问题
最新问题