为什么lm_robust（）HC3标准误差小于coeftest（）HC0标准误差？

我使用包“estimatr”的lm_鲁棒性，用于固定效应模型，包括HC3鲁棒标准误差。我不得不从vcovHC（）切换，因为我的数据样本太大，无法处理

使用以下行进行回归：

lm_robust(log(SPREAD) ~ PERIOD, data = dat, fixed_effects = ~ STOCKS + TIME, se_type = "HC3")

代码运行良好，系数与使用包plm的固定效果相同。由于数据样本太大，我无法使用coeftest估计plm输出的HC3标准误差，因此我将

lm_robust

的HC3估计值与

coeftest（model，vcov=vcovHC（model，type=HC1））的HC1进行了比较。

因此，lm_robust的HC3标准误差远小于系数测试的HC1

有人有解释吗，因为HC3应该比HC1更具限制性。我赞赏任何建议和解决办法

编辑用于系数测试的模型：

---

plm（log（SPREAD）~周期，数据=dat，指数=c（“股票”，“时间”），effect=“twoway”，method=“in”）

对于

plm

的

vcovHC（）

方法似乎可以自动估计集群稳健标准错误，而对于

lm_robust（）

，则不能。因此，与

lm\u robust

（就这一点而言，

lm

的

HC1

相比，

plm

的标准误差估计将显得过高

使用一些玩具数据：

库（三明治）
图书馆（tidyverse）
图书馆（plm）
图书馆（估计）
图书馆（lmtest）
种子集（1981年）
x x
#>x 0.05042142
#>属性（，“集群”）
#>[1]“组”
sqrt（rb_fit$vcov）
#>x
#>x 0.05041177

这两个包中似乎没有等效的集群健壮标准错误类型。但是，在

lm_robust（）

中指定集群健壮SEs时，SEs更接近：

rb\u配合
#>电话：
#>lm_稳健（公式=y~x，数据=dat，聚类=f，固定_效应=f+
#>t，se_type=“CR0”）
#> 
#>标准错误类型：CR0
#> 
#>系数：
#>估计标准误差t值Pr（>t）CI下限CI上限DF
#>x 0.925 0.05034 18.38 1.133e-33 0.8251 1.025 99
#> 
#>倍数R平方：0.3664，调整后的R平方：0.2888
#>多重R平方（项目模型）：0.3101，调整后的R平方（项目模型）：0.2256
#>F-统计（项目模型）：1和99 DF上的337.7，p值：<2.2e-16
系数（plm_-fit，vcov.=vcovHC（plm_-fit，type=“HC1”））
#> 
#>系数的t检验：
#> 
#>估计标准误差t值Pr（>t）
#>x 0.925009 0.050364 18.366<2.2e-16***
#> ---
#>签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1

---

由（v0.3.0）于2020年4月16日创建。

您能分享您的数据吗？另外，很高兴知道

股票的规模

，

时间

，以及观察的数量是肯定的；可下载的数据大小为

股票

为288天，

时间

为312天。因此，312*288次观察。请参阅上面我的编辑，了解比较中使用的两个代码行。由于我对使用HC3估计器感兴趣，但由于系数测试所需的计算能力而无法使用。我使用

估计器0.18.0获得
0.005444
和
0.005463
获得
type\u se=“HC3
。在我看来还可以。是的，使用具有相同功能的HC1和HC3（lm_robust），可以得到合理的顺序。但我将lm_robust的HC3与应用于plm模型的coeftest（）的HC1进行比较非常感谢！现在我明白了这两种方法之间的区别！