Question

我正在使用来自调查数据的面板数据集进行逻辑回归，并且我想更正面板设计的标准误差。此调查中的权重考虑了抽样概率，面板死亡率和分层后的情况。

如果我正确理解了Berger et al 2017，则应该为面板数据使用聚类协方差。但是，我不确定命令是否适用于具有测量权重的数据。

我首先用glm估计回归，并用coeftest包中的lmtest和vcovPL包中的sandwich校正标准误差。随后，我使用了svydesign包中的svyglm和survey来估计加权模型，并以相同的方式再次校正了标准误差。

在这个问题中，R's sandwich package producing strange results for robust standard errors in linear model Zeileis写道，使用svyglm对象可能会产生错误的结果。但是，我不确定这是否仅适用于复杂的调查权重（带有分层等）或基本调查权重，因为它指出here，如果不使用分层就不会有太大区别。但是，我不完全理解那里的解释。此外，我不知道Berger et al 2017中描述的新实现的功能是否允许使用svyglm对象。因此，如果我的设计没有层次结构，我不知道是否可以将sandwich包中的命令用于类svyglm的对象。

这是我使用的代码：

# not weighted
model <- glm(depend_var ~ indep_var1 + indep_var2 ,family=quasibinomial(link='logit'),data=dataset)
m_vcov <- coeftest(model,vcov. =  sandwich::vcovPL(x = model, cluster = ~ id_var,order.by = ~ year ,pairwise = T))

# weighted
design.ps <- svydesign(ids=~1, weights=~wgt, data=dataset)
model_wgt <- svyglm(depend_var ~ indep_var1 + indep_var2, design=design.ps,family=quasibinomial(link='logit'),data=dataset)
mwt_vcov <- coeftest(model_wgt, vcov. = sandwich::vcovPL(x = model_wgt, cluster = ~ id_var,order.by = ~ year ,pairwise = T))

看看上面的测试代码提供的系数，结果似乎是合理的，与这里提供的结果不同：R's sandwich package producing strange results for robust standard errors in linear model

# basic model
> summary(model)
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)       -3.68570    0.01264 -291.68   <2e-16 ***
indep_var1_test    0.37538    0.01111   33.78   <2e-16 ***
indep_var2_test    1.05226    0.01100   95.62   <2e-16 ***

# basic model with SE correction
> m_vcov
                   Estimate Std. Error  z value  Pr(>|z|)    
(Intercept)       -3.685702   0.176121 -20.9271 < 2.2e-16 ***
indep_var1_test    0.375380   0.049817   7.5353 4.874e-14 ***
indep_var2_test    1.052258   0.068763  15.3027 < 2.2e-16 ***

# weighted model 
> summary(model_wgt)
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)       -3.89702    0.01751 -222.57   <2e-16 ***
indep_var1_test    0.42373    0.01454   29.15   <2e-16 ***
indep_var2_test    1.05291    0.01439   73.15   <2e-16 ***

# weighted model with SE correction
> mwt_vcov
                   Estimate Std. Error  z value  Pr(>|z|)    
(Intercept)       -3.897021   0.319932 -12.1808 < 2.2e-16 ***
indep_var1_test.   0.423732   0.075202   5.6346 1.755e-08 ***
indep_var2_test    1.052915   0.126569   8.3189 < 2.2e-16 ***

我的问题是：我可以使用以上命令更正标准错误吗？

我想我的问题类似于这个未回答的问题： https://stats.stackexchange.com/questions/260515/does-coeftest-correctly-use-weights-from-svydesign-in-svyglm-object?rq=1

Answer 1

您要使用

coeftest(model, vcov=vcov(model))

对于svyglm模型，vcov()已经产生了适当的三明治估计量，并且我认为“ sandwich”包对对象的内部知识并不了解足够正确。

三明治程序包是否可以使用基本测量权重来针对逻辑回归的鲁棒标准误差工作

1 个答案: