Question

我正在尝试计算R中的强大标准错误。我知道有两种解决方案能够满足我的需求，但速度非常慢。因此，我的问题是，是否有一种更有效的方式。例如。已经在Rcpp中编码的东西。

我的背景是我正在拟合一个包含大量变量（固定效果）的模型。然而，我对这些系数不感兴趣，我只关心推理单个系数（在下面的例子中为X）。

快速解决方案

???

慢速解决方案1 

library(sandwich)
lmfe<-lm(Y ~ X + factor(strata_ids))
coeftest(lmfe, vcov = vcovHC(lmfe, "HC1"))

慢速解决方案2

我从here获得的手动解决方案是：

summaryw <- function(model) {
  s <- summary(model)
  X <- model.matrix(model)
  u2 <- residuals(model)^2
  XDX <- 0

  ## Here one needs to calculate X'DX. But due to the fact that
  ## D is huge (NxN), it is better to do it with a cycle.
  for(i in 1:nrow(X)) {
    XDX <- XDX + u2[i]*X[i,]%*%t(X[i,])
  }

  # inverse(X'X)
  XX1 <- solve(t(X)%*%X)

  # Variance calculation (Bread x meat x Bread)
  varcovar <- XX1 %*% XDX %*% XX1

  # degrees of freedom adjustment
  dfc <- sqrt(nrow(X))/sqrt(nrow(X)-ncol(X))

  # Standard errors of the coefficient estimates are the
  # square roots of the diagonal elements
  stdh <- dfc*sqrt(diag(varcovar))

  t <- model$coefficients/stdh
  p <- 2*pnorm(-abs(t))
  results <- cbind(model$coefficients, stdh, t, p)
  dimnames(results) <- dimnames(s$coefficients)
  results
}

Answer 1

这个问题已经有了一个很好的答案（即使用lfe::felm()）。

有关更快的方法，请尝试使用新的fixest软件包。使用OP示例，

library(fixest)
mod = feols(Y ~ X | strata_ids, data = dat)

## SEs are automatically clustered by the strata_ids FE
mod

## We can compute other SEs on the fly with summary.fixest(), e.g.
summary(mod, se = 'standard') ## vanilla
summary(mod, se = 'white') ## HC
# etc

更一般的课程是避免将固定效应建模为R ...或任何其他语言TBH中的因素。这等效于DV方法，并且总是很慢。相反，您将要使用一个利用FWL或其他优化估算方法的专用软件包。

计算异方差性的有效方法R中的鲁棒标准误差

1 个答案: