r - 具有单变量回归的异方差一致协方差矩阵 [R]

Question

如何计算单变量回归(即具有一个回归变量且无截距的 OLS 回归)的异方差一致协方差矩阵 (HCCM)？

背景故事:我有一个固定效应面板回归，但只有一个回归变量。所以我可以用最小二乘虚拟变量 (LSDV) 方法来做到这一点

lm.ser.yr <- lm(realwage ~ placebo.ser + factor(incyear) + 0, data = cps)

或者我可以在年级贬低 LHS 并倒退

cps <- ddply(cps, .(incyear), transform, realwage.dm.yr = realwage - mean(realwage))
lm.ser.yr <- lm(realwage.dm.yr ~ placebo.ser + 0, data = cps)

但两者都存在问题。

• 使用 LSDV 方法和足够多的虚拟对象，lm 对象变得很大(每个 1 gb)。这主要是因为我必须保留较大的 qr 矩阵以将其传递给 vcovHC() 以计算 HCCM，该矩阵经常在“无法分配”时停止vector of size”错误(或进行大量分页)。

• 在估计器内贬值的情况下，一切都很好，但我无法计算 HCCM，因为 vcovHC() 或 hccm() 都没有处理 no拦截单变量 lm 对象(即，它吐回 NA，据我所知，这是因为没有拦截和虚拟变量，我的残差与零均值相去甚远) .

是否有解决方案来解决这种非常积极地管理内存和/或迁移到云端的问题？

Answer 1

plm 包中的

vcovHC() 似乎可以很好地处理 lm() 模型而无需拦截:

library(plm)
df <- data.frame('a'=rnorm(1000), 'b'=rnorm(1000))
mod <- lm(a ~ b -1, df)
vcovHC(mod)

编辑:这里有一些代码可以手动计算它们。

library(Matrix)
e2 = mod$residuals ^ 2
X = model.matrix(mod)
N = nrow(X)
bread = solve(crossprod(X))
I <- Matrix(data=0, ncol=N, nrow=N, sparse=TRUE)
diag(I) <- e2
salami <- t(X) %*% I %*% X 
V = bread %*% salami %*% bread