r - 具有异方差校正的标准误差的回归

Question

我想找到最类似于Stata输出的R实现，以最小二乘回归函数与异方差校正的标准误差拟合。具体来说，我希望校正后的标准误差在“摘要”中，而不必为我的第一轮假设检验做额外的计算。我正在寻找一种像Eviews和Stata一样“干净”的解决方案。

到目前为止，使用“lmtest”软件包，我能想到的最好的方法是:

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

这给了我想要的输出，但是它似乎并没有将“coeftest”用于其声明的目的。我还必须使用带有不正确标准错误的摘要来读取R ^ 2和F stat等。我认为，鉴于动态R的大小，应该针对该问题存在“一行”解决方案。

谢谢

Answer 1

我认为您在lmtest软件包中使用coeftest处于正确的轨道。看一看sandwich package，它包含此功能，旨在与您已经找到的lmtest软件包一起使用。

> # 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

要获得F测试，请看函数 waldtest():

> 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

如果您需要单线，您总是可以制作一个简单的函数来将这两者结合起来...

Econometric Computing with HC and HAC Covariance Matrix Estimators小插图中有很多示例，它们附带了将lmtest和三明治链接到所需的三明治程序包。

编辑:单线可能很简单:

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

我们可以这样使用(在上面的示例中):

> 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