具有PLM包的异方差性强大的标准误差

Question

我在尝试使用Stata后学习R，我必须说我喜欢它。 但现在我遇到了一些麻烦。 我即将对Panel Data进行一些多次回归，所以我使用的是plm包。

现在我希望在R中使用plm时获得相同的结果，就像我使用lm函数和Stata时执行异方差性稳健和实体固定回归一样。

假设我有一个包含变量Y ， ENTITY ， TIME ， V1的面板数据集。

我用这段代码在R中得到了相同的标准错误

lm.model<-lm(Y ~ V1 + factor(ENTITY), data=data)
coeftest(lm.model, vcov.=vcovHC(lm.model, type="HC1))

就像我在Stata中执行此回归一样

xi: reg Y V1 i.ENTITY, robust

但是当我使用plm包执行此回归时，我得到其他标准错误

plm.model<-plm(Y ~ V1 , index=C("ENTITY","YEAR"), model="within", effect="individual", data=data)
coeftest(plm.model, vcov.=vcovHC(plm.model, type="HC1))

• 我错过了设置一些选项吗？
• plm模型是否使用其他类型的估计，如果是，如何？
• 我以某种方式可以有相同的标准误差与plm如在Stata有, robust

Answer 1

默认情况下， plm包不使用面板的数据作为Stata的完全相同的小样本校正。 但是在plm 1.5版本（在CRAN上），你有一个选项可以模拟Stata正在做的事情。

plm.model<-plm(Y ~ V1 , index=C("ENTITY","YEAR"), model="within", 
    effect="individual", data=data)
coeftest(plm.model, vcov.=function(x) vcovHC(x, type="sss"))

这应该产生与Stata相同的群组标准错误（但是如评论中所述，没有可重复的示例以及您期望得到的结果更难回答问题）。

有关此问题的更多讨论以及R和Stata强大SE的一些基准测试，请参阅R中的Fama-MacBeth和Cluster-Robust（按固态和时间）标准误差 。

也可以看看：

• 使用plm（具有固定效果）的R中的聚类标准错误

Answer 2

您的Stata代码可能与您使用plm的代码有所不同吗？

plm的“内部”选项带有“个别”效果意味着形式的模型：

yit = a + Xit*B + eit + ci

plm做的是贬低系数，使ci从等式中下降。

yit_bar = Xit_bar*B + eit_bar

这样“bar”后缀意味着每个变量的平均值减去。 平均值是随时间计算的，这就是为什么效果是针对个人的。 你也可以有一个固定的时间效果，这对所有人来说都是常见的，在这种情况下效果也会随着时间而变化（尽管在这种情况下这是无关紧要的）。

我不确定“xi”命令在STATA中做了什么，但我认为它扩展了一个交互对吗？ 然后在我看来，你正试图使用​​每个ENTITY的虚拟变量，正如@richardh强调的那样。

要使您的Stata和plm代码匹配，您必须使用相同的型号。

您有两种选择：（1）您在stata中设置数据并使用带有fe修饰符的xtreg选项或（2）使用带有池选项的plm和每个ENTITY使用一个虚拟。

匹配Stata到R：

xtset entity year
xtreg y v1, fe robust 

匹配plm到Stata：

plm(Y ~ V1 + as.factor(ENTITY) , index=C("ENTITY","YEAR"), model="pooling", effect="individual", data=data)

然后使用vcovHC和其中一个修饰符。 请务必查看本文 ，其中详细介绍了“HC”选项背后的所有机制以及它们影响方差协方差矩阵的方式。

希望这可以帮助。