Question

我想找到最接近Stata输出的R实现，以便使用具有异方差校正标准误差的最小二乘回归函数。具体来说，我希望更正的标准误差在“摘要”中，而不必为我的第一轮假设检验做额外的计算。我正在寻找一种与Eviews和Stata一样“干净”的解决方案。

到目前为止，使用“lmtest”软件包我能想到的最好的是：

model <- lm(...)
coeftest(model, vcov = hccm)

这给了我想要的输出，但它似乎没有使用“coeftest”来表达它的目的。我还必须使用带有错误标准错误的摘要来读取R ^ 2和F stat等。我觉得应该存在一个“一线”解决方案来解决动态R的问题。

由于

Answer 1

我认为你在包lmtest中的coeftest走在正确的轨道上。看一下包含此功能的sandwich package，它旨在与您已找到的lmtest包一起使用。

> # generate linear regression relationship
> # with Homoskedastic variances
> x <- sin(1:100)
> y <- 1 + x + rnorm(100)
> ## model fit and HC3 covariance
> fm <- lm(y ~ x)
> vcovHC(fm)
            (Intercept)           x
(Intercept) 0.010809366 0.001209603
x           0.001209603 0.018353076
> coeftest(fm, vcov. = vcovHC)

t test of coefficients:

            Estimate Std. Error t value  Pr(>|t|)    
(Intercept)  1.01973    0.10397  9.8081 3.159e-16 ***
x            0.93992    0.13547  6.9381 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

要获得F测试，请查看函数waldtest()：

> waldtest(fm, vcov = vcovHC)
Wald test

Model 1: y ~ x
Model 2: y ~ 1
  Res.Df Df      F    Pr(>F)    
1     98                        
2     99 -1 48.137 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

如果你想要单行......你可以随时做一个简单的功能，将这两个结合起来......

在Econometric Computing with HC and HAC Covariance Matrix Estimators小插图中有很多例子，其中包含连接lmtest和三明治的夹心包以做你想做的事。

编辑：单行可以像以下一样简单：

mySummary <- function(model, VCOV) {
    print(coeftest(model, vcov. = VCOV))
    print(waldtest(model, vcov = VCOV))
}

我们可以这样使用（在上面的例子中）：

> mySummary(fm, vcovHC)

t test of coefficients:

            Estimate Std. Error t value  Pr(>|t|)    
(Intercept)  1.01973    0.10397  9.8081 3.159e-16 ***
x            0.93992    0.13547  6.9381 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Wald test

Model 1: y ~ x
Model 2: y ~ 1
  Res.Df Df      F    Pr(>F)    
1     98                        
2     99 -1 48.137 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Answer 2

我找到了一个完全符合您要求的R功能。它为您提供了强大的标准错误，无需进行额外的计算。您在lm.object上运行summary()，如果设置参数robust=T，它会为您提供类似Stata的异方差性一致标准错误。

summary(lm.object, robust=T)

您可以在https://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r/

上找到该功能

Answer 3

现在有一个使用https://carbon.nesbot.com/docs/ lm_robust的单行解决方案，可以从CRAN install.packages(estimatr)安装。

> library(estimatr)
> lmro <- lm_robust(mpg ~ hp, data = mtcars, se_type = "stata")
> summary(lmro)

Call:
lm_robust(formula = mpg ~ hp, data = mtcars, se_type = "stata")

Standard error type:  HC1 

Coefficients:
            Estimate Std. Error  Pr(>|t|) CI Lower CI Upper DF
(Intercept) 30.09886    2.07661 4.348e-15 25.85785 34.33987 30
hp          -0.06823    0.01356 2.132e-05 -0.09592 -0.04053 30

Multiple R-squared:  0.6024 ,   Adjusted R-squared:  0.5892 
F-statistic: 45.46 on 1 and 30 DF,  p-value: 1.788e-07

你也可以得到整洁的输出：

> tidy(lmro)
         term    estimate std.error      p.value    ci.lower
1 (Intercept) 30.09886054 2.0766149 4.347723e-15 25.85784704
2          hp -0.06822828 0.0135604 2.131785e-05 -0.09592231
     ci.upper df outcome
1 34.33987404 30     mpg
2 -0.04053425 30     mpg

"stata"标准错误默认为＆＃34; HC1＆＃34;标准错误，这是Stata中的默认rob标准错误。您还可以获得"classical", "HC0", "HC1", "HC2", "HC3"和各种群集标准错误（包括与Stata匹配的错误）。

具有异方差性的回归校正了标准误差

3 个答案: