无法计算稳健标准误差 (vcovHC)：多重共线性和 NaN 误差答案

【问题标题】：Cannot calculate robust standard errors (vcovHC): multicollinearity and NaN error无法计算稳健标准误差 (vcovHC)：多重共线性和 NaN 误差
【发布时间】：2015-05-15 16:36:29
【问题描述】：

我有以下数据集：

share <- c(-0.16,-0.07,0,0,-0.06,-0.06,-0.18,-0.23,-0.07,-0.24,0,0,-0.22,-0.15,0,0,-0.09,-0.2,0,-0.19,0,-0.16,-0.24,-0.14,-0.22,-0.22,0,-0.18,0,0,-0.01,0,0,-0.14,0,-0.06,0,-0.12,0,0,-0.14,0,0,0,-0.02,0,0,0,0,0,-0.19,0,-0.21,-0.08,0,0,0,-0.1,-0.17,0,0,-0.13,-0.08,-0.1,0,-0.05,-0.06,0,0,-0.1,0,0,0,-0.16,0,-0.18,-0.04,-0.08,0,-0.06,0,0,0,-0.2,0,0,-0.08,0,0,-0.01,0,-0.16,-0.08,0,0,0,-0.02,-0.18,0.17,-0.2,-0.14,0,-0.24)
grade <- c(-22.64,-2.39,-15.3,-22.34,-6.39,5.25,0.47,33.61,-0.54,-25.21,16.41,-13.94,21.04,-19.64,-7.48,-32.18,-19.48,21.65,0.88,-1.6,28.49,13.61,-1.69,19.34,2.19,-7.25,6.65,7.25,20.56,16.25,17.24,12.3,3.7,-8.64,8.25,3.27,6,14.32,0.91,8.6,-6.84,13.35,6.99,3.36,0.29,19.46,2,10.75,8.76,-6.54,36.46,28.88,0.44,4.73,3.52,-10.7,-3.88,-2.36,-15.12,9.55,-4.96,10.7,6.84,-10.98,13.03,3.46,14.65,-1.66,6.89,-11.47,-6.52,15.64,3.02,4.11,-8.41,4.77,18.97,-3.73,9.54,-6.06,13.1,-24.62,-2.5,-30.26,3.82,12.97,4,2.21,14.33,12.47,-55.11,19.86,13.7,9.19,-11.01,-2.52,13.1,3.83,1.51,4.18,-3.14,-5.85,8.39)
treat <- c(0,0,0,0,0,0,0,0,0,0,0,1,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0)
dataset <- as.data.frame(cbind(share, grade, treat))

我想运行以下线性模型并使用 sandwich 包计算稳健的标准误差。

library(sandwich)
model <- lm(grade ~ treat + share + treat*share, dataset)
robSE <- sqrt(diag(vcovHC(model, type = "HC2")))

线性模型的输出很好，但没有计算稳健标准误差：为每个标准误差返回NaN。

我的猜测是NaN 是由于变量treat 和share 几乎完全共线（只有一个观察结果是treat=1 和share!=0）。问题是我必须使用这些变量；我无法替换它们。

有人能想到这个问题的解决方法/解决方案吗？

【问题讨论】：

你绝对需要“HC2”吗？ HC0 和 HC1 给出非 NaN 结果（顺便说一句，您可能会在 Cross Validated 上获得更好的运气，这是一个比 SO 更关注统计数据的网站）
@DominicComtois：你是对的两次，HC1 工作和交叉验证会更好。我做了一些阅读，将使用 HC1。我将发布这种选择的理由作为对这个问题的回答。非常感谢。

标签： r standard-error robust

【解决方案1】：

在阅读并遵循@DominicComtois 的建议后，我想在这里我将不得不选择HC1。 HC3、HC4（Long 和 Ervin 2000、Hayes 和 Cai 2007）或 HC4m（Cribari-Neto 和 Silva 2011）会更好，但它们都会给出 NaN 结果。 HC0 的问题在于它倾向于在小样本到中等大样本中出现偏差（Hayes 和 Cai 2007，Cribari-Neto 和 Silva 2011）。

参考文献

Cribari-Neto F., da Silva W.B. （2011）。线性回归模型的一种新的异方差一致协方差矩阵估计器。 Adv Stat Anal 九十五：129—146。

Hayes, A. F. 和 Cai, L. (2007)。在 OLS 回归中使用异方差一致的标准误差估计器：介绍和软件实现。行为研究方法，39, 709–722。

Long, J.S., Ervin, L.H. (2000)。在线性回归模型中使用异方差一致的标准误差。是。统计。 54, 217–224。

【讨论】：