零膨脹負二項式模型的聚類標准誤差

Question

我想計算零膨脹負二項式模型的聚類標准誤差。 默認情況下， zeroinfl （來自pscl包）返回使用optim返回的Hessian矩陣派生的標准錯誤，例如：

library(pscl)
data("bioChemists", package = "pscl")
dim(bioChemists)
head(bioChemists)
## default start values
fm1 <- zeroinfl(art ~ ., data = bioChemists, dist = "negbin"))
summary(fm1)

有沒有辦法在觀察之間使用非對稱/對稱距離矩陣，或者使用變量之一（例如玩具數據集中的kid5 ）來計算聚類標准誤差？

我從stackexchange的答案中發現了這一點 ，但不確定如何將其與零膨脹模型一起使用。 Stata的rzinb的等效rzinb可能是vce下的cluster clustvar ： http : //www.stata.com/manuals13/rzinb.pdf 。

有任何想法嗎？

Answer 1

R-Forge上的sandwich程序包的開發版本已得到擴展，以允許集群協方差的面向對象計算。 這也支持零膨脹回歸模型。 您可以通過以下方法從R-Forge安裝devel版本：

install.packages("sandwich", repos = "http://R-Forge.R-project.org")

然后加載所有必需的程序包。 lmtest包用於coeftest()函數，可以將協方差矩陣估計插入該函數中。

library("pscl")
library("sandwich")
library("lmtest")

您使用的插圖模型如下。

data("bioChemists", package = "pscl")
fm1 <- zeroinfl(art ~ ., data = bioChemists, dist = "negbin")

默認情況下， coeftest()函數返回與summary()相同的邊際Wald測試。

coeftest(fm1)
## t test of coefficients:
## 
##                      Estimate  Std. Error t value  Pr(>|t|)    
## count_(Intercept)  0.41674653  0.14359655  2.9022  0.003796 ** 
## count_femWomen    -0.19550683  0.07559256 -2.5863  0.009856 ** 
## count_marMarried   0.09758263  0.08445195  1.1555  0.248199    
## count_kid5        -0.15173246  0.05420606 -2.7992  0.005233 ** 
## count_phd         -0.00070013  0.03626966 -0.0193  0.984603    
## count_ment         0.02478620  0.00349267  7.0966 2.587e-12 ***
## zero_(Intercept)  -0.19168829  1.32281889 -0.1449  0.884815    
## zero_femWomen      0.63593320  0.84891762  0.7491  0.453986    
## zero_marMarried   -1.49946849  0.93867060 -1.5974  0.110518    
## zero_kid5          0.62842720  0.44278263  1.4193  0.156166    
## zero_phd          -0.03771474  0.30800817 -0.1224  0.902572    
## zero_ment         -0.88229322  0.31622813 -2.7901  0.005381 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

然后，可以使用vcovCL()函數輕松地將其擴展為采用聚類協方差矩陣估計。 在這里，按照您的建議使用kid5變量。 （請注意，如果其他人正在閱讀kid5 ： kid5的用途kid5是為了顯示“工作”，但在此應用程序中並沒有什么意義。）

coeftest(fm1, vcov = vcovCL(fm1, cluster = bioChemists$kid5))
## t test of coefficients:
## 
##                      Estimate  Std. Error  t value  Pr(>|t|)    
## count_(Intercept)  0.41674653  0.17009748   2.4500   0.01447 *  
## count_femWomen    -0.19550683  0.01701325 -11.4914 < 2.2e-16 ***
## count_marMarried   0.09758263  0.02401883   4.0628 5.272e-05 ***
## count_kid5        -0.15173246  0.03612916  -4.1997 2.938e-05 ***
## count_phd         -0.00070013  0.04852615  -0.0144   0.98849    
## count_ment         0.02478620  0.00263208   9.4170 < 2.2e-16 ***
## zero_(Intercept)  -0.19168829  0.51865043  -0.3696   0.71177    
## zero_femWomen      0.63593320  0.87775846   0.7245   0.46895    
## zero_marMarried   -1.49946849  1.03481783  -1.4490   0.14768    
## zero_kid5          0.62842720  0.35073624   1.7917   0.07351 .  
## zero_phd          -0.03771474  0.13873870  -0.2718   0.78581    
## zero_ment         -0.88229322  0.07481264 -11.7934 < 2.2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1