R plm函数与异方差稳健标准差
我正在使用固定效果的R plm函数与异方差稳健标准差,r,regression,plm,standard-error,R,Regression,Plm,Standard Error,我正在使用固定效果的plm功能(来自软件包plm) 我需要保证在使用函数plm时使用的是异方差稳健标准误差 lag1.1 <- plm(E.primary ~ lv18_bank_c + Expense + lag(Expense, 1), data=panel_exog1, index=c("Country", "Year"), model="within") lag1.1您可以使用plm::vcovHC.plm,它在plm:
plm
功能(来自软件包plm
)
我需要保证在使用函数plm
时使用的是异方差稳健标准误差
lag1.1 <- plm(E.primary ~ lv18_bank_c + Expense + lag(Expense, 1), data=panel_exog1, index=c("Country", "Year"), model="within")
lag1.1您可以使用plm::vcovHC.plm
,它在plm:::summary.plm()
方法中实现。使用特定选项method=
和type=
。例如:
库(plm)
数据(“Produc”,package=“plm”)
zz | t |)
#日志(pcap)-0.030176057 0.026936544-1.120265 2.629606e-01
#日志(pc)0.168828035 0.027656339 6.104497 1.655450e-09
#日志(emp)0.769306196 0.028141794 27.336786 1.275556e-114
#unemp-0.004221093 0.001138837-3.706493 2.256597e-04
##异方差稳健SE
总结(zz,vcov=vcovHC(zz,method=“white1”,type=“HC1”))$coe
#估计标准误差t值Pr(>t)
#日志(pcap)-0.030176057 0.029880301-1.009898 3.128707e-01
#日志(pc)0.168828035 0.038079746 4.433539 1.065916e-05
#日志(emp)0.769306196 0.038808010 19.823387 1.30129E-70
#unemp-0.004221093 0.001357489-3.109486 1.945209e-03
阅读?vcovHC.plm
了解有关方法=
和类型=
的更多信息,您也可以简单地使用(无系数):摘要(zz,vcov=vcovHC(zz,method=“white1”,type=“HC1”)
。使用plm的摘要的好处是,对于重新建模,会给出z统计信息(而对于coeftest
,需要设置参数df=Inf
,才能获得z统计信息)。@Helix123感谢指针,我忘了它已经在summary
方法中实现了。编辑!
library(plm)
data("Produc", package="plm")
zz <- plm(log(gsp) ~ log(pcap) + log(pc) + log(emp) + unemp,
data=Produc, index=c("state", "year"), method="within", effect="twoways")
## normal SE
summary(zz)$coe
# Estimate Std. Error t-value Pr(>|t|)
# log(pcap) -0.030176057 0.026936544 -1.120265 2.629606e-01
# log(pc) 0.168828035 0.027656339 6.104497 1.655450e-09
# log(emp) 0.769306196 0.028141794 27.336786 1.275556e-114
# unemp -0.004221093 0.001138837 -3.706493 2.256597e-04
## heteroscedasticity-robust SE
summary(zz, vcov=vcovHC(zz, method="white1", type="HC1"))$coe
# Estimate Std. Error t-value Pr(>|t|)
# log(pcap) -0.030176057 0.029880301 -1.009898 3.128707e-01
# log(pc) 0.168828035 0.038079746 4.433539 1.065916e-05
# log(emp) 0.769306196 0.038808010 19.823387 1.301129e-70
# unemp -0.004221093 0.001357489 -3.109486 1.945209e-03