我正在寻找一种基于ID-Year集群的集群标准错误的方法(每个ID-Year组合被视为新集群) . 我发现 plm
对象没有这样的函数,但我有一个想法,我想知道它是否有意义:
在我的公式中,让我说我有
p <- plm(y~x+factor(year), df, model="within", index=("ID","Date"), effect="individual")
pce <- coeftest(p, vcov=vcovHC(p, method = "arellano", type="sss",cluster="group"))
我可以简单地为LSDV模型分配一个索引,该索引只代表ID-Year组合,如下所示:
df$IDYEAR <- paste(df$ID,df$YEAR)
p1 <- plm(y~x+factor(year)+factor(ID), df, model="pooling", index=("IDYEAR"))
p1ce <- coeftest(p1, vcov=vcovHC(p1, method = "arellano", type="sss",cluster="group"))
这应该估计几乎完全相同的模型,同时欺骗我的 plm
函数认为组级别是 IDYEAR
,以便我得到正确的标准错误 . 我的想法在这里是否正确?
1 回答
我认为,应该对
vcovDC
做一个小调整相当简洁的解释here .
这也适用于您的LSDV示例 .