全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 Stata专版
5087 6
2015-07-17
陈强老师的《高级计量经济学及stata应用(第二版)》第261页中说道,
“LSDV法的stata命令为
reg y x1 x2 x3 i.id,r
其中,选择项”r"表示使用聚类稳健标准误;如果使用选择项“vce(cluster id)” 也能达到完全相同的效果。“

与我实验的结果相左:
书上用vce(cluster id)的部分结果:
. reg fatal beertax spircons unrate perinck i.state,vce(cluster state)

Linear regression                                      Number of obs =     336
                                                       F(  3,    47) =       .
                                                       Prob > F      =       .
                                                       R-squared     =  0.9359
                                                       Root MSE      =  .15679

                                 (Std. Err. adjusted for 48 clusters in state)
------------------------------------------------------------------------------
             |               Robust
       fatal |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     beertax |  -.4840728   .2395323    -2.02   0.049    -.9659495    -.002196
    spircons |   .8169652   .1373903     5.95   0.000     .5405716    1.093359
      unrate |  -.0290499   .0102108    -2.85   0.007    -.0495914   -.0085085
     perinck |   .1047103   .0368628     2.84   0.007     .0305519    .1788687





我用r的结果:
. reg fatal beertax spircons unrate perinck i.state,r

Linear regression                                      Number of obs =     336
                                                       F( 51,   284) =  109.23
                                                       Prob > F      =  0.0000
                                                       R-squared     =  0.9359
                                                       Root MSE      =  .15679

------------------------------------------------------------------------------
             |               Robust
       fatal |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     beertax |  -.4840728   .1646223    -2.94   0.004    -.8081075    -.160038
    spircons |   .8169652   .1151614     7.09   0.000     .5902869    1.043643
      unrate |  -.0290499   .0083051    -3.50   0.001    -.0453973   -.0127025
     perinck |   .1047103   .0249763     4.19   0.000     .0555482    .1538724


显然标准误不同,并且右上方给出的F统计量的自由度也不一样。。。
请问怎么解释?
谢谢!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2015-7-18 16:35:00
他说可以达到完全相同的效果,下面有一个脚注。你再仔细看看
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2015-7-19 22:26:34
beiluo08 发表于 2015-7-18 16:35
他说可以达到完全相同的效果,下面有一个脚注。你再仔细看看
我看到脚注了,也怀疑是不是要在之前先走一遍xtreg,不过试了后发现vce(cluster state)与r这两个选择项的输出结果还是不一样的,所以就困惑了
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2015-7-19 22:33:37
beiluo08 发表于 2015-7-18 16:35
他说可以达到完全相同的效果,下面有一个脚注。你再仔细看看
我看到脚注了,也怀疑是不是要在之前先走一遍xtreg,不过试了后发现vce(cluster state)与r这两个选择项的输出结果还是不一样的,所以就困惑了
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2015-7-19 22:53:53
reg命令后的r选项不是聚类标准误,r是robust的缩写
你的看命令的帮助选择
而xtreg  y x,rxtreg y x,vec(robust)
xtreg y x,vec(cluster id)
才是等价的


Title

    [R] regress -- Linear regression


Syntax

        regress depvar [indepvars] [if] [in] [weight] [, options]

    options               Description
    --------------------------------------------------------------------------------------------------------------
    Model
      noconstant          suppress constant term
      hascons             has user-supplied constant
      tsscons             compute total sum of squares with constant; seldom used

    SE/Robust
      vce(vcetype)        vcetype may be ols, robust, cluster clustvar, bootstrap, jackknife, hc2, or hc3



reg    y x ,r
reg    y x,vce(robust)
这两个才是等价的


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2015-7-19 23:06:40
蓝色 发表于 2015-7-19 22:53
reg命令后的r选项不是聚类标准误,r是robust的缩写
你的看命令的帮助选择
谢谢!脚注上也是这么说的。
只是正文中的“如果使用选择项“vce(cluster id)” 也能达到完全相同的效果。“
这个”完全相同“的效果是和什么命令比较而言的呢?还是说笔误?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群