Question

我有几个使用plm和pooling的回归模型。我的数据是汇总的横截面/时间序列数据，以及有关债券发行的数据。数据包括对大约2000种债券发行的观察，以及大约25种债券描述变量。

我想为一个或所有回归模型计算鲁棒的标准误差，以便将其添加到我的观星台可视化中。我的回归如下：

#Regression    
primaryreg4 <- plm(issueyield ~ issuer + exchange + yearmonth + maturity.cat + size.cat + coupontype, 
                   data = data, 
                   index = c("ID", "issuedate"), 
                   model = "pooling")

所有变量都是固定效果（FE），因此它们是虚拟变量。我想计算该模型的鲁棒标准误差，并将其添加到观星者中。我尝试计算标准错误的代码是：

cov.r4 <- vcovHC(primaryreg4, type = "HC3")
robust_se_r4 <- sqrt(diag(cov.r4))

# or (it is the same)

robust_se_r4 <- sqrt(diag(vcovHC(primaryreg4, type = "HC3")))

然后，我将在“注视者”中指定标准错误为robust_se_r。但是，我收到此错误消息：

错误：无法分配大小为15.8 Gb的向量

有人知道如何解决吗？我知道这是一个内存问题，但是文件确实不应该太大-我的数据是对25个变量的2000次观察（不是太大！）。

Answer 1

您的代码在最少的面板数据上运行：

library("plm")
data("Produc", package = "plm")

# Regression    
model <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
          data = Produc, 
          index = c("state","year"),
          method="pooling")

# Robust Standard Errors
robust_se <- sqrt(diag(vcovHC(model, type = "HC3")))

您可以更详细地描述变量吗？成熟度和规模有哪些类别？尝试使用glimpse中的dplyr来检查每个变量的数据类型和格式。

如何在R中的plm（池）模型的stargazer中计算鲁棒的标准误差？

1 个答案: