全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 R语言论坛
6947 1
2020-04-06
悬赏 20 个论坛币 未解决
样本数据是非平衡面板数据(混合截面数据)
lm1=lm(rdin~.,data=reg1)
回归后经bptest检验发现存在严重的异方差性,想要修正标准误使其稳健,并得到修正后的t值

目前学习到的命令有三种:第一个:kk1=coeftest(lm1,vcov=vcovHAC(lm1))


第二个:
kk2=coeftest(lm1,vcov.= vcovHC(lm1,method='white1',type='HC1',cluster='group'))
第三个:
kk3=coeftest(lm1, vcov = NeweyWest(lm2))

用了以上三种方式后,发现各个方式得到的修正t值都不一样。目前只知道vcovHC进行的是异方差一致估计,vovHAC和NeweyWest进行的是异方差和自相关一致估计(但二者给出的结果也不一样)。在R里面help了这些函数查看也不太明白。

想问:为什么这三种方式修正的结果不一样?三种方法各自适用什么情况呢?请大神赐教







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
2021-12-23 04:01:51
最简单的办法是用包estimatr里的函数lm_robust(),验证过,这个函数的结果与李子奈计量经济学例子里面的结果是相同的。
library(estimatr) #计算white异方差稳健标准误需要
lm_robust(Y~X1+X2,dat)
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

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