稳健的回归推断和Sandwich估计量

您能否举一个使用三明治估计器来执行可靠回归推断的示例？

我可以在中看到示例?sandwich，但是我不太理解如何使用函数返回的方差-协方差矩阵从lm(a ~ b, data)（r编码）到估计值和p值，该值是由回归模型得出的sandwich。

我认为有几种方法。我还没有全部查看它们，也不知道哪个是最好的：

1. 该sandwich包：

   library(sandwich)    
   coeftest(model, vcov=sandwich)

但是出于某种原因，这并不能给我与Stata相同的答案。我从未尝试找出原因，只是不使用此程序包。

1. 该rms包：我觉得这是一个痛苦位与工作，但通常会得到一些工作有很好的答案。这对我来说最有用。

   model = ols(a~b, x=TRUE)    
   robcov(model)

2. 您可以从头开始编写代码（请参阅此博客文章）。它看起来像是最痛苦的选择，但非常简单，而且该选择通常效果最好。

一个简单/快速的解释是，Huber-White或Robust SE是从数据而不是模型中得出的，因此对许多模型假设都具有鲁棒性。但是，与往常一样，如果您有兴趣，可以通过Google进行快速搜索，详细列出详细信息。

可以使用另一种汇总功能来执行稳健的回归。

lm.object <- lm(a~b+c)
summary(lm.object, robust=TRUE)

要获得可靠的标准误差，可将摘要函数中的参数“ robust”设置为TRUE。

以下博客条目提供了该功能以及该功能的详细说明：https : //economictheoryblog.com/2016/08/08/robust-standard-errors-in-r