Question

我正在使用R中的glm包来估计相同的逻辑回归（但变量的顺序不同）。所有变量都是二进制的（一个因变量，一个协变量，一个交互项）。但是根据模型中变量的顺序，我会得到不同的结果。具体地说，只有在对标准误差进行聚类时，才在交互项中使用一个变量的标准误差的NA。我不知道为什么会这样。

这是我的代码：

mod1 <- glm(dv ~ cov + var1*var2,family binomial(link = "logit"),data = dat)
mod2 <- glm(dv ~ var1*var2 + cov,family = binomial(link = "logit"),data = dat)
stargazer(mod1,mod2)

产生（编辑输出，以便于阅读）

cov & 0.300 & 0.300 \\ 
& (1.128) & (1.128) \\ 
var1 & $-$0.008 & $-$0.008 \\ 
 & (2,543.188) & (2,543.188) \\ 
var2 & 19.828 & 19.828 \\ 
 & (1,902.767) & (1,902.767) \\ 
var1:var2 & $-$0.569 & $-$0.569 \\ 
 & (2,543.188) & (2,543.188) \\

结果与上面相同，但是当我对标准错误进行聚类时，结果却不同：

stargazer(coeftest(mod1,vcov = cluster.vcov(mod1, dat$groupid)),coeftest(mod2,vcov = cluster.vcov(mod2, dat$groupid)))

产生：

cov & 0.300 & 0.300 \\ 
  & (1.073) & (1.073) \\ 
 var1 & $-$0.008 & $-$0.008 \\ 
  & (0.036) & NA \\ 
 var2 & 19.828$^{***}$ & 19.828$^{***}$ \\ 
  & (0.183) & (0.376) \\ 
 var1:var2 & $-$0.569 & $-$0.569 \\ 
  & (0.469) & (0.434) \\

请注意，var1的标准错误为NA。我不知道发生了什么事。任何帮助将不胜感激！

聚类标准误差R时，不同的估计和相同的模型

0 个答案: