Heteroskedastisite ile Düzeltme Düzeltilmiş Standart Hatalar

Question

Heteroskedastic Düzeltilmiş Standart Hatalar ile En Küçük Kareler Regresyon fonksiyonuna uymak için Stata çıkışına en çok benzeyen R uygulamasını bulmak istiyorum. Özellikle, düzeltilmiş standart hataların "özet" içinde olmasını ve ilk hipotez testim için ek hesaplamalar yapmak zorunda kalmamasını istiyorum. Eviews ve Stata'nın sağladığı gibi “temiz” bir çözüm arıyorum.

Şimdiye kadar, en iyisi ben kadar gelebilir "lmtest" paketini kullanıyor:

model <- lm(...) 
coeftest(model, vcov = hccm) 

Bu bana istediğim çıktıyı verir, ancak görünmüyor için "coeftest" kullanıyor belirtilen amacı. Ayrıca, R^2 ve F istatistiklerini okumak için yanlış standart hatalar ile özeti kullanmak zorunda kalacağım. Dinamik R'nin ne kadar verildiği göz önüne alındığında, bu problemin bir "tek satır" çözümü olması gerektiğini hissediyorum.

Teşekkür

Answer 1

Sana paket lmtest içinde coeftest ile doğru yolda olduğunu düşünüyorum. Bu işlevselliği içeren sandwich package'a bir göz atın ve daha önce bulduğunuz lmtest paketiyle el ele çalışmak üzere tasarlanmıştır.

> # generate linear regression relationship 
> # with Homoskedastic variances 
> x <- sin(1:100) 
> y <- 1 + x + rnorm(100) 
> ## model fit and HC3 covariance 
> fm <- lm(y ~ x) 
> vcovHC(fm) 
      (Intercept)   x 
(Intercept) 0.010809366 0.001209603 
x   0.001209603 0.018353076 
> coeftest(fm, vcov. = vcovHC) 

t test of coefficients: 

      Estimate Std. Error t value Pr(>|t|)  
(Intercept) 1.01973 0.10397 9.8081 3.159e-16 *** 
x   0.93992 0.13547 6.9381 4.313e-10 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

fonksiyonu waldtest() bakmak, F testi yaptırmak için: Her zaman tek astar istiyorsa sizin için bu ikisini birleştirmek için basit bir fonksiyonu uydurmak olabilir

> waldtest(fm, vcov = vcovHC) 
Wald test 

Model 1: y ~ x 
Model 2: y ~ 1 
    Res.Df Df  F Pr(>F)  
1  98       
2  99 -1 48.137 4.313e-10 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

...

Econometric Computing with HC and HAC Covariance Matrix Estimators skeçinde, istediğini yapmak için lmtest ve sandviç bağlayan sandviç paketiyle birlikte birçok örnek vardır.

Düzenleme: (yukarıdaki örnekler), bu gibi kullanabilir hangi

mySummary <- function(model, VCOV) { 
    print(coeftest(model, vcov. = VCOV)) 
    print(waldtest(model, vcov = VCOV)) 
} 

toplam: bir liner kadar basit olabilir

> mySummary(fm, vcovHC) 

t test of coefficients: 

      Estimate Std. Error t value Pr(>|t|)  
(Intercept) 1.01973 0.10397 9.8081 3.159e-16 *** 
x   0.93992 0.13547 6.9381 4.313e-10 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Wald test 

Model 1: y ~ x 
Model 2: y ~ 1 
    Res.Df Df  F Pr(>F)  
1  98       
2  99 -1 48.137 4.313e-10 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Answer 2

Bir R bulundu tam olarak aradığınızı yapan işlev. Ek hesaplamalar yapmak zorunda kalmadan sağlam standart hatalar verir. Bir lm.object üzerinde summary() çalıştırın ve robust=T parametresini ayarlarsanız, Stata benzeri bir heterossedastisite tutarlı standart hataları geri verir.

summary(lm.object, robust=T) 

Sen Sen `) (hccm` için de paket arabaya ihtiyacım dikkat etmelidir https://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r/