我试图理解标准错误“聚类”以及如何在R中执行（在Stata中是微不足道的）。在RI中使用plm或编写我自己的函数均未成功。我将使用包装中的diamonds数据ggplot2。
我可以使用任一虚拟变量进行固定效果
> library(plyr)
> library(ggplot2)
> library(lmtest)
> library(sandwich)
> # with dummies to create fixed effects
> fe.lsdv <- lm(price ~ carat + factor(cut) + 0, data = diamonds)
> ct.lsdv <- coeftest(fe.lsdv, vcov. = vcovHC)
> ct.lsdv
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
carat 7871.082 24.892 316.207 < 2.2e-16 ***
factor(cut)Fair -3875.470 51.190 -75.707 < 2.2e-16 ***
factor(cut)Good -2755.138 26.570 -103.692 < 2.2e-16 ***
factor(cut)Very Good -2365.334 20.548 -115.111 < 2.2e-16 ***
factor(cut)Premium -2436.393 21.172 -115.075 < 2.2e-16 ***
factor(cut)Ideal -2074.546 16.092 -128.920 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
或通过消除左右两侧的含义（此处没有时间不变的回归变量）并校正自由度。
> # by demeaning with degrees of freedom correction
> diamonds <- ddply(diamonds, .(cut), transform, price.dm = price - mean(price), carat.dm = carat .... [TRUNCATED]
> fe.dm <- lm(price.dm ~ carat.dm + 0, data = diamonds)
> ct.dm <- coeftest(fe.dm, vcov. = vcovHC, df = nrow(diamonds) - 1 - 5)
> ct.dm
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
carat.dm 7871.082 24.888 316.26 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
我无法使用来复制这些结果plm，因为我没有“时间”索引（即，这实际上不是一个面板，只是在错误方面可能有共同偏见的集群）。
> plm.temp <- plm(price ~ carat, data = diamonds, index = "cut")
duplicate couples (time-id)
Error in pdim.default(index[[1]], index[[2]]) :
我还尝试使用Stata对它们的cluster选项的解释（这里解释），用聚类标准误差编码我自己的协方差矩阵，这是为了解决其中， si簇数，是残差对于观测值，是预测变量的行向量，包括常数（在Wooldridge的“ 横截面”和“面板数据”中也显示为等式（7.22）ÙĴ=ΣÇ升ü小号吨ËřĴë我*X我ñçë我我吨ħ
）。但是以下代码给出了非常大的协方差矩阵。考虑到我拥有的群集数量很少，这些值是否非常大？鉴于我无法
plm基于一个因素进行集群，因此我不确定如何对我的代码进行基准测试。
> # with cluster robust se
> lm.temp <- lm(price ~ carat + factor(cut) + 0, data = diamonds)
>
> # using the model that Stata uses
> stata.clustering <- function(x, clu, res) {
+ x <- as.matrix(x)
+ clu <- as.vector(clu)
+ res <- as.vector(res)
+ fac <- unique(clu)
+ num.fac <- length(fac)
+ num.reg <- ncol(x)
+ u <- matrix(NA, nrow = num.fac, ncol = num.reg)
+ meat <- matrix(NA, nrow = num.reg, ncol = num.reg)
+
+ # outer terms (X'X)^-1
+ outer <- solve(t(x) %*% x)
+
+ # inner term sum_j u_j'u_j where u_j = sum_i e_i * x_i
+ for (i in seq(num.fac)) {
+ index.loop <- clu == fac[i]
+ res.loop <- res[index.loop]
+ x.loop <- x[clu == fac[i], ]
+ u[i, ] <- as.vector(colSums(res.loop * x.loop))
+ }
+ inner <- t(u) %*% u
+
+ #
+ V <- outer %*% inner %*% outer
+ return(V)
+ }
> x.temp <- data.frame(const = 1, diamonds[, "carat"])
> summary(lm.temp)
Call:
lm(formula = price ~ carat + factor(cut) + 0, data = diamonds)
Residuals:
Min 1Q Median 3Q Max
-17540.7 -791.6 -37.6 522.1 12721.4
Coefficients:
Estimate Std. Error t value Pr(>|t|)
carat 7871.08 13.98 563.0 <2e-16 ***
factor(cut)Fair -3875.47 40.41 -95.9 <2e-16 ***
factor(cut)Good -2755.14 24.63 -111.9 <2e-16 ***
factor(cut)Very Good -2365.33 17.78 -133.0 <2e-16 ***
factor(cut)Premium -2436.39 17.92 -136.0 <2e-16 ***
factor(cut)Ideal -2074.55 14.23 -145.8 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1511 on 53934 degrees of freedom
Multiple R-squared: 0.9272, Adjusted R-squared: 0.9272
F-statistic: 1.145e+05 on 6 and 53934 DF, p-value: < 2.2e-16
> stata.clustering(x = x.temp, clu = diamonds$cut, res = lm.temp$residuals)
const diamonds....carat..
const 11352.64 -14227.44
diamonds....carat.. -14227.44 17830.22
可以在R中完成吗？这是计量经济学中相当普遍的技术（本讲座中有一个简短的教程），但我无法在R中弄清楚。谢谢！
7
@ricardh，诅咒所有经济学家不要检查他们想使用的术语是否已经在统计中使用。在这种情况下，聚类表示分组，并且与聚类分析完全无关，这就是rseek给您不相关结果的原因。因此，我删除了聚类标签。对于面板数据分析，请检查软件包plm。它有一个漂亮的小插图，所以您可能会找到想要的东西。至于你的问题，不清楚你想要什么。组内标准错误？
—
mpiktas 2011年
@ricardh，如果您可以链接到
—
mpiktas
cluster解释该选项的一些Stata手册，将会很有帮助。我相信这将是可能的R.复制
对该评论+1。经济学家疯狂地殖民术语。尽管有时候很难选择小人。我花了一段时间，例如直到我意识到与
—
hans0l0 2011年
factor它无关，factanal而是指分类变量。但是R中的簇是指簇分析，k均值只是THE分区方法：statmethods.net/advstats/cluster.html。我没有收到您的问题，但我也猜想群集与它无关。
@ mpiktas，@ ran2-谢谢！我希望我澄清这个问题。简而言之，如果“标准错误聚类”只是已经存在的固定效应，为什么会存在？
—
理查德·赫伦