تراجع بيانات اللوحة:أخطاء قياسية قوية
https://stackoverflow.com//questions/10691341
-
12-12-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russianسؤال
مشكلتي هي هذه:انا حصلت NA حيث يجب أن أحصل على بعض القيم في حساب الأخطاء القياسية القوية.
أحاول إجراء انحدار لوحة التأثير الثابت مع وجود أخطاء قياسية قوية في المجموعة.ولهذا أتبع أراي (2011) من على ص.3 يتبع ستوك / واتسون (2006) (نشرت لاحقا في الاقتصاد القياسي, ، لمن يستطيع الوصول).وأود أن تصحيح درجات الحرية بها (M/(M-1)*(N-1)/(N-K) ضد التحيز التنازلي لأن عدد المجموعات الخاص بي محدود ولدي بيانات غير متوازنة.
تم نشر مشاكل مماثلة من قبل [1, 2] على StackOverflow والمشاكل ذات الصلة [3] على CrossValidated.
يستخدم Arai (والإجابة في الرابط الأول) الكود التالي للوظائف (أقدم بياناتي أدناه مع بعض التعليقات الإضافية):
gcenter <- function(df1,group) {
variables <- paste(
rep("C", ncol(df1)), colnames(df1), sep=".")
copydf <- df1
for (i in 1:ncol(df1)) {
copydf[,i] <- df1[,i] - ave(df1[,i], group,FUN=mean)}
colnames(copydf) <- variables
return(cbind(df1,copydf))}
# 1-way adjusting for clusters
clx <- function(fm, dfcw, cluster){
# R-codes (www.r-project.org) for computing
# clustered-standard errors. Mahmood Arai, Jan 26, 2008.
# The arguments of the function are:
# fitted model, cluster1 and cluster2
# You need to install libraries `sandwich' and `lmtest'
# reweighting the var-cov matrix for the within model
library(sandwich);library(lmtest)
M <- length(unique(cluster))
N <- length(cluster)
K <- fm$rank
dfc <- (M/(M-1))*((N-1)/(N-K))
uj <- apply(estfun(fm),2, function(x) tapply(x, cluster, sum));
vcovCL <- dfc*sandwich(fm, meat=crossprod(uj)/N)*dfcw
coeftest(fm, vcovCL) }
،أين ال gcenter يحسب الانحرافات عن المتوسط (التأثير الثابت).ثم أواصل وأقوم بالانحدار باستخدام DS_CODEكونه متغير المجموعة الخاص بي (لقد قمت بتسمية بياناتي "بيانات").
centerdata <- gcenter(data, data$DS_CODE)
datalm <- lm(C.L1.retE1M ~ C.MCAP_SEC + C.Impact_change + C.Mom + C.BM + C.PD + C.CashGen + C.NITA + C.PE + C.PEdummy + factor(DS_CODE), data=centerdata)
M <- length(unique(data$DS_CODE))
dfcw <- datalm$df / (datalm$df - (M-1))
وتريد أن تحسب
clx(datalm, dfcw, data$DS_CODE)
ومع ذلك، عندما أريد أن أحسب uj (انظر الصيغة clx أعلاه) بالنسبة للتباين، أحصل فقط في البداية على بعض القيم للتراجعات الخاصة بي، ثم الكثير من الأصفار.إذا كان هذا الإدخال uj يستخدم للتباين فقط NAs نتيجة.
بياناتي
نظرًا لأن بياناتي قد تكون ذات بنية خاصة ولا أستطيع اكتشاف المشكلة، فإنني أنشر الأمر برمته باعتباره ملفًا وصلة من هوتميل.والسبب هو أنه مع البيانات الأخرى (مأخوذة من Arai (2011)) لا تحدث مشكلتي.آسف مقدمًا على الفوضى ولكني سأكون ممتنًا للغاية إذا تمكنت من إلقاء نظرة عليها رغم ذلك.الملف عبارة عن ملف .txt بحجم 5 ميجابايت ويحتوي على بيانات بحتة.
المحلول
بعد مرور بعض الوقت من اللعب، نجح الأمر بالنسبة لي وأعطاني:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.5099e-16 5.2381e-16 0.8610 0.389254
C.MCAP_SEC -5.9769e-07 1.2677e-07 -4.7149 2.425e-06 ***
C.Impact_change -5.3908e-04 7.5601e-05 -7.1306 1.014e-12 ***
C.Mom 3.7560e-04 3.3378e-03 0.1125 0.910406
C.BM -1.6438e-04 1.7368e-05 -9.4645 < 2.2e-16 ***
C.PD 6.2153e-02 3.8766e-02 1.6033 0.108885
C.CashGen -2.7876e-04 1.4031e-02 -0.0199 0.984149
C.NITA -8.1792e-02 3.2153e-02 -2.5438 0.010969 *
C.PE -6.6170e-06 4.0138e-06 -1.6485 0.099248 .
C.PEdummy 1.3143e-02 4.8864e-03 2.6897 0.007154 **
factor(DS_CODE)130324 -5.2497e-16 5.2683e-16 -0.9965 0.319028
factor(DS_CODE)130409 -4.0276e-16 5.2384e-16 -0.7689 0.441986
factor(DS_CODE)130775 -4.4113e-16 5.2424e-16 -0.8415 0.400089
...
هذا يتركنا مع السؤال لماذا لا يناسبك.أعتقد أن الأمر يتعلق بتنسيق بياناتك.هل كل شيء رقمي؟لقد قمت بتحويل فئات الأعمدة ويبدو الأمر كذلك بالنسبة لي:
str(dat)
'data.frame': 48251 obs. of 12 variables:
$ DS_CODE : chr "902172" "902172" "902172" "902172" ...
$ DNEW : num 2e+05 2e+05 2e+05 2e+05 2e+05 ...
$ MCAP_SEC : num 78122 71421 81907 80010 82462 ...
$ NITA : num 0.135 0.135 0.135 0.135 0.135 ...
$ CashGen : num 0.198 0.198 0.198 0.198 0.198 ...
$ BM : num 0.1074 0.1108 0.097 0.0968 0.0899 ...
$ PE : num 57 55.3 63.1 63.2 68 ...
$ PEdummy : num 0 0 0 0 0 0 0 0 0 0 ...
$ L1.retE1M : num -0.72492 0.13177 0.00122 0.07214 -0.07332 ...
$ Mom : num 0 0 0 0 0 ...
$ PD : num 5.41e-54 1.51e-66 3.16e-80 2.87e-79 4.39e-89 ...
$ Impact_change: num 0 -10.59 -10.43 0.7 -6.97 ...
ماذا فعلت str(data) العودة بالنسبة لك؟
نصائح أخرى
ال plm يمكن للحزمة تقدير SE المجمعة لانحدارات اللوحة.البيانات الأصلية لم تعد متوفرة، لذا إليك مثال باستخدام البيانات الوهمية.
require(foreign)
require(plm)
require(lmtest)
test <- read.dta("http://www.kellogg.northwestern.edu/faculty/petersen/htm/papers/se/test_data.dta")
fpm <- plm(y ~ x, test, model='pooling', index=c('firmid', 'year'))
##Arellano clustered by *group* SEs
> coeftest(fpm, vcov=function(x) vcovHC(x, cluster="group", type="HC0"))
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.029680 0.066939 0.4434 0.6575
x 1.034833 0.050540 20.4755 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
إذا كنت تستخدم lm نماذج (بدلا من plm)، ثم multiwayvcov قد تساعد الحزمة.
library("lmtest")
library("multiwayvcov")
data(petersen)
m1 <- lm(y ~ x, data = petersen)
> coeftest(m1, vcov=function(x) cluster.vcov(x, petersen[ , c("firmid")],
df_correction=FALSE))
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.029680 0.066939 0.4434 0.6575
x 1.034833 0.050540 20.4755 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
لمزيد من التفاصيل انظر:
أنظر أيضا:
