问题描述
我正在尝试使用R中的双聚类标准误差运行多个线性回归模型。我想使用双聚类标准误差,因为我将结果复制到了一篇论文中,该论文的作者使用了双聚类标准误差。 。问题是作者使用Stata中的cgmreg
函数来计算双簇标准错误,而对于当前项目,我必须使用R。线性回归模型包括在种族水平上的固定效应,而标准误差则在两个不同的水平上聚集:国家和种族语言学家群体。
我在R中尝试了几种不同的方法来计算双向聚类标准错误。首先是使用coeftest
函数。代码如下:
q42 = lm(lnlights_nozeros ~ lnpdmean00s + lnkm2split + rlaw + factor(name),data = sample_2014)
coeftest(q42,vcov = vcovCL,cluster = ~ wbcode + cluster)
其中wbcode
是国家的指标(将标准错误归类的第一维度),而cluster
是民族语言家庭的指标(第二维度)。
结果:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -2.405766 0.379542 -6.3386 9.081e-10 ***
lnpdmean00s 0.407574 0.109390 3.7259 0.0002348 ***
lnkm2split 0.148090 0.077534 1.9100 0.0571412 .
rlaw 0.194347 0.181922 1.0683 0.2862923
我尝试的第二种方法是在felm
程序包中运行lfe
函数,但这给了我稍微不同的标准错误。代码是:
est_felm = felm(lnlights_nozeros ~ lnpdmean00s + lnkm2split + rlaw | factor(name) | 0| wbcode + cluster,data = sample_2014)
summary(est_felm)
结果:
Coefficients:
Estimate Cluster s.e. t value Pr(>|t|)
lnpdmean00s 0.40757 0.08220 4.959 1.01e-05 ***
lnkm2split 0.14809 0.05826 2.542 0.0145 *
rlaw 0.19435 0.13670 1.422 0.1618
我不知道为什么这两个不同的函数给出不同的结果。感谢您的帮助!
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)