始终报告鲁棒(白色)标准错误?


20

Angrist和Pischke已建议将稳健(即对异方差或不等方差具有鲁棒性)的标准误差报告为理所当然的事情,而不是对其进行测试。两个问题:

  1. 当存在同方差时,对标准误差有何影响?
  2. 有人在工作中实际这样做吗?

我不确定“标准错误报告为理所当然”标准错误是什么意思?您说测试“它”是什么意思?
罗宾吉拉德

1
好点...。我说的是OLS回归中回归系数的标准误差和异方差问题。传统方法是使用例如White检验或Breusch Pagan检验来测试是否存在异方差。如果发现异方差,则将报告“鲁棒标准误差”,通常是“白色标准误差”。
格雷厄姆·库克森

您是否可以链接到Angrist和Pischke。
csgillespie 2010年

1
Angrist,Joshua D.和Jorn-Steffen Pischke。2009年。主要是无害计量经济学:经验主义者的同伴。普林斯顿大学出版社:新泽西州普林斯顿。
查理

Answers:


10

使用鲁棒的标准误已成为经济学中的普遍做法。稳健的标准误差通常大于非稳健的(标准?)标准误差,因此可以将这种做法视为保守的尝试。

在大型样本中(例如,如果您正在使用具有数百万个观察值的普查数据或具有“仅”数千个观察值的数据集),则异方差测试几乎肯定会显示为阳性,因此这种方法是合适的。

消除异方差的另一种方法是加权最小二乘,但这种方法已被人们所忽视,因为它改变了参数的估计,这与使用可靠的标准误差不同。如果您的权重不正确,则您的估计有偏差。但是,如果权重正确,则与具有可靠标准误差的OLS相比,您会得到较小(“更有效”)的标准误差。


1
当不违反OLS的假设时,健壮的标准误差比常规的标准误差宽多少?
russellpierce 2010年

1
并非总是很宽-实际上,它们有时可能更窄。查看该博客的安格里斯特&Pischke的书最新帖子:mostlyharmlesseconometrics.com/2010/12/...
一站式

1
+1,上面有@onestop的警告,健壮的se可能会更大或更小,尽管通常我们希望它们更大,因此“保守”类型错误。是的,正如我认识的每个人一样,在我的工作中我总是使用异方差鲁棒性或聚类鲁棒性。
Cyrus S 2010年

1
异方差测试没有显着提高,没有理由不必担心异方差会破坏您的OLS-尽管此测试确实有效果,但此测试可能没有太大的作用。

1
不尝试WLS的一个很好的原因是,您通常不知道真正的均值-方差关系是什么-偷看要选择的数据会使您的频率推断无效。像赛勒斯(Cyrus)一样,我到处都使用鲁棒的se。
来宾

6

《计量经济学概论》(Woolridge,2009年第268页)中,解决了此问题。伍尔里奇说,当使用鲁棒的标准误差时,如果样本量较大,则所获得的t统计量仅具有与确切t分布相似的分布。如果样本量很小,则使用稳健回归获得的t统计量可能具有不接近t分布的分布,这可能会推论出结论。


6

稳健的标准误差可提供异方差下的无偏标准误差估计。有几本统计教科书提供了关于健壮标准误差的大量且冗长的讨论。以下站点提供了一些有关鲁棒标准错误的全面概述:

https://economictheoryblog.com/2016/08/07/robust-standard-errors/

回到您的问题。使用可靠的标准错误并非没有警告。根据Woolridge(2009年版,第268页)使用稳健的标准误差,如果样本量较大,则获得的t统计量仅具有与确切t分布相似的分布。如果样本量较小,则使用稳健回归获得的t统计量可能具有不接近t分布的分布。这可能会引发推断。此外,在均方差的情况下,稳健的标准误差仍然没有偏见。但是,它们效率不高。即,常规标准误差比鲁棒标准误差更精确。最后,使用鲁棒的标准误差是许多学术领域的普遍做法。


5

有很多原因要避免使用可靠的标准错误。从技术上讲,发生的情况是方差由您在现实中无法证明的权重加权。因此,鲁棒性只是一种修饰工具。通常,您应该考虑更改模型。以更好的方式处理异质性有很多含义,而不仅仅是解决数据中出现的问题。将其视为切换模型的标志。这个问题与如何处理离群值密切相关。SOme员工只是删除它们以获得更好的结果,而在其他情况下,使用健壮的标准错误则几乎相同。


这确实是一个糟糕的建议,请始终使用可靠的错误,因为在两种情况下它们都是一致的
Repmat

3

我以为白色标准误差和以“正常”方式计算的标准误差(例如,在最大似然情况下为Hessian和/或OPG)在同方差情况下渐近等效?

仅当存在异方差时,“正常”标准误差才是不合适的,这意味着在有或没有异方差的情况下,“白色标准误差”都是适用的,也就是说,即使您的模型是同方差的。

我不能真正谈论2,但是我不明白为什么不想计算White SE并将其包括在结果中。


2

我有一本名为《计量经济学概论》(第三版)的教科书。Stock和Watson的文章中写道:“如果误差是异方差的,那么即使是大样本,使用纯正方差标准误差计算的t统计量也不会具有标准正态分布。” 我相信,如果不能假设您的t统计量按标准正态分布,您就无法进行适当的推断/假设检验。我非常尊重Wooldridge(实际上,我的研究生班级也使用了他的书),所以我相信他所说的使用可靠的SE的t统计量需要正确的大样本是绝对正确的,但是我认为我们通常必须处理大样本需求,我们接受这一点。但是,使用非鲁棒的SE不会使t-stat具有正确的标准正态分布这一事实即使您的样本量很大,也要克服更大的挑战。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.