集群自举标准错误在 R 中用于 plm 函数

Question

我有一个固定效应模型，只有很少的观察值，因此我想通过引导来获得更准确的标准误差。同时，我假设 SE 是集群的，因此我也想纠正集群，即进行集群引导。 我找到了 lm 模型的函数 (vcovBS)，但是找不到 plm 模型的任何东西。有没有人知道一个类似的函数来获得固定效应模型的集群自举 SE？

Answer 1

clusterSEs 包有一个用于 plm 模型的野生集群引导程序的实现：https://www.rdocumentation.org/packages/clusterSEs/versions/2.6.2/topics/cluster.wild.plml。

另一个包是fwildclusterboot。它不适用于plm，但与另外两个固定效果回归包lfe 和fixest 一起使用，应该比clusterSEs 快得多。

使用fixest 包，其语法如下所示：

library(fixest)
library(fwildclusterboot)

# load data set voters included in fwildclusterboot
data(voters)

# estimate the regression model via feols
feols_fit <- feols(proposition_vote ~ treatment + ideology1 + log_income + Q1_immigration , data = voters)

# bootstrap inference 
boot_feols <- boottest(feols_fit, clustid = "group_id1", param = "treatment", B = 9999)

summary(boot_feols)
#> boottest.fixest(object = lm_fit, clustid = "group_id1", param = "treatment", 
#>     B = 9999)
#>  
#>  Observations: 300
#>  Bootstr. Iter: 9999
#>  Bootstr. Type: rademacher
#>  Clustering: 1-way
#>  Confidence Sets: 95%
#>  Number of Clusters: 40
#> 
#>        term estimate statistic p.value conf.low conf.high
#> 1 treatment    0.073     3.786   0.001    0.033     0.114