R 三明治&x2B；mlogit:`ef/X中的错误：使用`vcovHC（）`计算稳健/聚集标准错误时的不一致数组`

在使用

mlogit（）

拟合离散选择问题中的多项式Logit（MNL）后，我试图计算稳健/集群标准错误。不幸的是，我怀疑我在使用它时遇到了问题，因为我使用的是

long

格式的数据（在我的情况下这是必须的），并且在

sandwich:：vcovHC（，“HC0”）

之后得到了ef/X:non-conformable array中的错误

数据
为便于说明，请仔细考虑以下数据。它表示从3个备选方案（
altern
）中选择的5个个体（
id\u ind
）的数据。五个人中的每一个都选择了三次；因此，我们有15种选择情况（
id\u choice
）。每个备选方案由两个通用属性（
x1
和
x2
）表示，选择在
y
中注册（如果选择
1
，否则为
0
）

正如我们所看到的，
sandwich:：vcovHC
产生了一个错误，它表示
ef/X
是不一致的。其中
X聚集标准错误
这里，假设每个人回答3个问题，那么个人之间很可能存在某种程度的相关性；因此，在这种情况下，应首选群集校正。下面我计算了本例中的集群校正，并展示了与
clogit，cluster（）
的Stata输出的等价性

问题是：
我想在
sandwich
生态系统中容纳我的计算，这意味着不是手动计算矩阵，而是实际使用
sandwich
函数。是否有可能使其与本文所述的长格式模型一起工作？例如，直接提供
肉
和
面包
对象来执行计算？提前谢谢


PS：我注意到了这一点，但我无法为
mlogit
找到像
meat
这样的东西，但无论如何，我可能在这里遗漏了一些东西…
为什么vcovHC不适用于mlogit
HC协方差估计器的类别仅适用于具有单一线性预测器的模型，其中得分函数（也称为估计函数）是所谓的“工作残差”和回归矩阵的乘积。Zeileis（2006）的论文（见方程式7）对此进行了详细解释，在文件包中提供了
vignette（“三明治OOP”，package=“sandwich”）
。
？vcovHC
也指出了这一点，但没有很好地解释。目前，我已在文档中对此进行了改进：

函数meatHC是估计HC三明治估计器的肉的真正工作马-默认的vcovHC方法是一个调用三明治和面包的包装器。有关更多实施细节，请参见Zeileis（2006）。下面和Zeileis（2004）中描述了线性回归模型的理论背景。其他类型的模型采用类似公式，前提是它们依赖于单个线性预测值，且估计函数可表示为“工作残差”和回归向量的乘积（Zeileis 2006，方程7）

这意味着
vcovHC（）
不适用于多项式logit模型，因为它们通常对单独的响应类别使用单独的线性预测。同样，不支持两部分或跨栏模型等

基本“稳健”三明治协方差
通常，为了计算基本的艾克-休伯-怀特三明治协方差矩阵估值器，最好的策略是使用
sandwich（）
函数，而不是
vcovHC（）
函数。前者适用于具有
estfun（）
和
bread（）
方法的任何模型

对于线性模型，
sandwich（…，adjust=FALSE）
（默认）和
sandwich（…，adjust=TRUE）
分别对应于HC0和HC1。在具有
n
观测值和
k
回归系数的模型中，前者标准化为
1/n
，后者标准化为
1/（n-k）

然而，在logit模型中，Stata除以
1/（n-1）
，请参见：
. 就我所知，没有明确的理论理由专门使用一种或另一种调整。在中等规模的样本中，这没有任何区别

备注：
1/（n-1）
的调整不能作为选项直接在
sandwich（）
中使用。然而，巧合的是，它是
vcovCL（）
中的默认值，没有指定
集群
变量（即，将每个观察值视为一个单独的集群）。因此，如果你想得到与Stata完全相同的结果，这是一个方便的“技巧”

聚集协方差
这可以通过
vcovCL（…，cluster=…）
按“通常”计算。对于<代码> MLogIT 模型，您只需考虑<代码>群集变量只需要提供一次（而不是以长格式堆叠几次）。

复制Stata结果
使用您帖子中的数据和模型：

vcovCL(mo)
##            x1         x2
## x1 0.23050261 0.09840356
## x2 0.09840356 0.12765662
vcovCL(mo, cluster = df$id_choice[1:15])
##           x1        x2
## x1 0.1766707 0.1007703
## x2 0.1007703 0.1180004

我觉得奇怪，它不起作用，因为调用
sandwich（mo）
似乎起作用。根据
三明治
的示例判断，这应该等于
vcovHC（mo，type=“HC”）
，这不起作用。我觉得奇怪的是，它会受到你的数据（长格式）的影响，因为它使用分数贡献和渐近方差协方差矩阵来计算它们（你自己做的）。mlogit对象是否可能不返回分数，而只返回分数的列和，从而导致维度错误？您好@edsandorf，谢谢您的评论。我检查了分数函数，这些函数具有正确的维度
15x2
。然而，我认为造成问题的原因是
library(mlogit)
library(sandwich)
mo <-  mlogit(formula = y ~ x1 + x2|0 , 
              method ="nr",  
              data =  df,
              idx  =  c("id_choice", "altern"))

sandwich::vcovHC(mo, "HC0")
#Error in ef/X : non-conformable arrays

psi<- estfun(mo)
k <- NCOL(psi)
n <- NROW(psi)
rval <-  (n/(n-1))* crossprod(as.matrix(psi))
vcov(mo) %*% rval %*% vcov(mo)

#            x1         x2
# x1 0.23050261 0.09840356
# x2 0.09840356 0.12765662

qui clogit y x1 x2 ,group(id_choice) r
mat li e(V)
symmetric e(V)[2,2]
            y:         y:
            x1         x2
y:x1  .23050262
y:x2  .09840356  .12765662

id_ind_collapsed <- df$id_ind[!duplicated(mo$model$idx$id_choice,)]
psi_2 <- rowsum(psi, group = id_ind_collapsed )

k_cluster <- NCOL(psi_2)
n_cluster <- NROW(psi_2)
rval_cluster <-  (n_cluster/(n_cluster-1))* crossprod(as.matrix(psi_2))
vcov(mo) %*% rval_cluster %*% vcov(mo)

#           x1        x2
# x1 0.1766707 0.1007703
# x2 0.1007703 0.1180004

qui clogit y x1 x2 ,group(id_choice) cluster(id_ind)
symmetric e(V)[2,2]
            y:         y:
            x1         x2
y:x1  .17667075
y:x2   .1007703  .11800038

vcovCL(mo)
##            x1         x2
## x1 0.23050261 0.09840356
## x2 0.09840356 0.12765662
vcovCL(mo, cluster = df$id_choice[1:15])
##           x1        x2
## x1 0.1766707 0.1007703
## x2 0.1007703 0.1180004