Question

我一直在寻找一种基于ID-Year群集进行群集标准错误的方法（每个ID-Year组合都被视为新群集）。我发现plm对象不存在这样的函数，但我有一个想法，我想知道它是否有意义：

在我的公式中，让我们说我有

p <- plm(y~x+factor(year), df, model="within", index=("ID","Date"), effect="individual")

pce <- coeftest(p, vcov=vcovHC(p, method = "arellano", type="sss",cluster="group"))

我可以简单地为LSDV模型分配一个索引，该索引只代表ID-Year组合，如下所示：

df$IDYEAR <- paste(df$ID,df$YEAR)

p1 <- plm(y~x+factor(year)+factor(ID), df, model="pooling", index=("IDYEAR"))

p1ce <- coeftest(p1, vcov=vcovHC(p1, method = "arellano", type="sss",cluster="group"))

这应该估计几乎完全相同的模型，同时欺骗我的plm函数认为组级别为IDYEAR，以便我得到正确的标准错误。我的想法是否正确？

Answer 1

我认为，对vcovDC进行微调应

    vcovDC <- function(x, ...){
    vcovHC(x, cluster="group", ...) + vcovHC(x, cluster="time", ...) - 
        vcovHC(x, method="white1", ...)
}

非常简洁的解释here。

这也适用于您的LSDV示例。

plm-package ID-YEAR Clustered Standard Errors

1 个答案: