我正在进行逻辑回归/生存分析，其中我通过数据集中的变量对标准误差进行聚类。我正在使用R。
由于它不像STATA那样直接，因此我使用的是我过去发现的解决方案：https://www.rdocumentation.org/packages/miceadds/versions/3.0-16/topics/lm.cluster
作为我正在谈论的内容的说明性示例：
model <- miceadds::glm.cluster(data = data, formula = outcome ~ a + b + c + years + years^2 + years^3, cluster = "cluster.id", family = "binomial")
这对于获取重要值非常有效，这会产生系数std。错误（聚集）和z值。我花了很长时间才获得这种解决方案。甚至现在也不是很理想（例如无法输出到Stargazer）。在这个问题上，我还探讨了许多其他常见建议-例如经济理论解决方案（https://economictheoryblog.com/2016/12/13/clustered-standard-errors-in-r/）；但是，这是针对lm（）的，我无法使其用于逻辑回归。
我不仅可以运行两个模型，一个可以使用glm（）和一个可以使用glm.cluster（）并手动替换stargazer中的标准错误。
我的担心是，我对如何绘制上述函数感到困惑，例如是否要执行以下操作：
model <- miceadds::glm.cluster(data = data, formula = outcome ~ a*b + c + years + years^2 + years^3, cluster = "cluster.id", family = "binomial")
在这种情况下，我想绘制一个预测概率图，以查看结果中a * b之间的相互作用；但是，我无法使用glm.cluster（）对象执行此操作。我必须使用glm（）模型来做到这一点，但是我的置信区间却充斥着。
在这里，我一直在研究有关对标准错误进行聚类以进行逻辑回归的许多选项，但完全不知所措。
有没有人发现在r中如何做的最新进展？ 是否有任何程序包可让您根据数据集中的变量 对SE进行聚类并绘制对象？ （互动奖励积分）
任何人和所有见识将不胜感激。谢谢！