R中的稳健聚类标准误差和回归权重

如何在R中运行OLS回归，同时使用样本权重和稳健的聚集标准误差？我知道

lm

将接受

weights

参数，但是

plm

——我可以找到的聚集标准错误包——似乎不接受权重。

以下计算聚集标准错误，因为它依赖于

lm

，所以也可以包含权重（我进行了检查，结果与Stata相同）

---

cl现在有一个简单的解决方案，使用的
lm\u robust
，您可以从CRAN
install.packages（estimatr）
安装

>库（estimatr）
>lmro摘要（lmro）
电话：
lm_稳健（公式=mpg~hp，数据=mtcars，重量=wt，聚类=cyl，
se_type=“stata”）
加权标准误差类型：stata
系数：
估计标准误差Pr（>t）CI下CI上DF
（截距）28.54865 4.01353 0.01920 11.2798 45.81749 2
hp-0.06249 0.01908 0.08191-0.1446 0.01959 2
倍数R平方：0.5851，调整后的R平方：0.5713
F-统计量：1和30 DF上的42.31，p-值：3.437e-07

你可以看到更多关于它所使用的精确估计器的信息

cl   <- function(dat,fm, cluster){
           require(sandwich, quietly = TRUE)
           require(lmtest, quietly = TRUE)
           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)
           coeftest(fm, vcovCL) }

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

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

Weighted, Standard error type:  stata 

Coefficients:
            Estimate Std. Error Pr(>|t|) CI Lower CI Upper DF
(Intercept) 28.54865    4.01353  0.01920  11.2798 45.81749  2
hp          -0.06249    0.01908  0.08191  -0.1446  0.01959  2

Multiple R-squared:  0.5851 ,   Adjusted R-squared:  0.5713 
F-statistic: 42.31 on 1 and 30 DF,  p-value: 3.437e-07