具有异性校正的回归校正标准误差

Question

我想找到最类似于STATA输出的R实现，将最小二乘回归函数与HeteroSkedastic校正的标准误差拟合。具体而言，我希望校正后的标准误差在“摘要”中，而不必为我的初始假设测试进行其他计算。我正在寻找一种与Eviews和Stata提供的“干净”的解决方案。

到目前为止，使用“ lmtest”软件包，我能想到的最好的是：

model <- lm(...)
coeftest(model, vcov = hccm) 

这为我提供了想要的输出，但是它似乎并没有用于其陈述的目的。我还必须将摘要带有错误的标准错误来读取R^2和f stat，等等。考虑到动态R的动态性，我觉得应该存在“一行”解决方案。

谢谢

Answer 1

我认为你在正确的轨道上 coeftest 在lmtest包中。看一下 三明治包 其中包括此功能，旨在与您已经找到的LMTest软件包并驾齐驱。

> # generate linear regression relationship
> # with Homoskedastic variances
> x <- sin(1:100)
> y <- 1 + x + rnorm(100)
> ## model fit and HC3 covariance
> fm <- lm(y ~ x)
> vcovHC(fm)
            (Intercept)           x
(Intercept) 0.010809366 0.001209603
x           0.001209603 0.018353076
> coeftest(fm, vcov. = vcovHC)

t test of coefficients:

            Estimate Std. Error t value  Pr(>|t|)    
(Intercept)  1.01973    0.10397  9.8081 3.159e-16 ***
x            0.93992    0.13547  6.9381 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

要进行F测试，请查看功能 waldtest():

> waldtest(fm, vcov = vcovHC)
Wald test

Model 1: y ~ x
Model 2: y ~ 1
  Res.Df Df      F    Pr(>F)    
1     98                        
2     99 -1 48.137 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

如果您想要单线...

有很多例子 使用HC和HAC协方差矩阵估计器的计量计算器 Vignette附带了链接LMTest和Sandwich的三明治包装，以完成您想要的工作。

编辑： 单线可能很简单：

mySummary <- function(model, VCOV) {
    print(coeftest(model, vcov. = VCOV))
    print(waldtest(model, vcov = VCOV))
}

我们可以这样使用（在上面的示例上）：

> mySummary(fm, vcovHC)

t test of coefficients:

            Estimate Std. Error t value  Pr(>|t|)    
(Intercept)  1.01973    0.10397  9.8081 3.159e-16 ***
x            0.93992    0.13547  6.9381 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Wald test

Model 1: y ~ x
Model 2: y ~ 1
  Res.Df Df      F    Pr(>F)    
1     98                        
2     99 -1 48.137 4.313e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Answer 2

我找到了一个r函数，可以正是您想要的。它为您提供了强大的标准错误，而无需进行其他计算。你跑 summary() 在lm.Object上，如果您设置参数 robust=T 它为您提供了类似Stata的异方差的一致标准错误。

summary(lm.object, robust=T)

您可以在 https://econonictheoryblog.com/2016/08/08/robust-standard-andard-errors-in-r/

Answer 3

现在有一个单行解决方案 lm_robust 来自 estimatr 包裹, ，您可以从Cran中安装 install.packages(estimatr).

> library(estimatr)
> lmro <- lm_robust(mpg ~ hp, data = mtcars, se_type = "stata")
> summary(lmro)

Call:
lm_robust(formula = mpg ~ hp, data = mtcars, se_type = "stata")

Standard error type:  HC1 

Coefficients:
            Estimate Std. Error  Pr(>|t|) CI Lower CI Upper DF
(Intercept) 30.09886    2.07661 4.348e-15 25.85785 34.33987 30
hp          -0.06823    0.01356 2.132e-05 -0.09592 -0.04053 30

Multiple R-squared:  0.6024 ,   Adjusted R-squared:  0.5892 
F-statistic: 45.46 on 1 and 30 DF,  p-value: 1.788e-07

您还可以获取整理的输出：

> tidy(lmro)
         term    estimate std.error      p.value    ci.lower
1 (Intercept) 30.09886054 2.0766149 4.347723e-15 25.85784704
2          hp -0.06822828 0.0135604 2.131785e-05 -0.09592231
     ci.upper df outcome
1 34.33987404 30     mpg
2 -0.04053425 30     mpg

这 "stata" 标准错误默认为“ HC1”标准错误，这是默认错误 rob Stata中的标准错误。你也可以得到 "classical", "HC0", "HC1", "HC2", "HC3" 以及各种聚类的标准错误（包括与Stata匹配的标准错误）。