如何在 R 中使用聚集误差进行随机效应回归？答案

【问题标题】：How to do a random effect regression with clustered error in R?如何在 R 中使用聚集误差进行随机效应回归？
【发布时间】：2018-01-29 21:17:32
【问题描述】：

我想计算回归残差的聚集误差。我知道如何在 R 中运行随机效应模型。

set.seed(50)
data <- data.frame(id=rep(1:10,10),income=rnorm(100),education=rnorm(100))
data$id <- factor(data$id)

library(nlme)
reg <- lme(income ~ education -1,data = data, random = ~ 1 | id)

我不确定如何使标准错误也聚集在 id 级别。

【问题讨论】：

您的请求表明您希望随后对“随机”变量进行推断。这不是我对混合模型目标的理解。所以我不希望在 reg 结构或应用于它的summary 的输出中找到这样的估计。
另外，为什么既要对 SE 进行聚类又要具有个体级别的随机效应呢？如果您认为随机效应正在捕获数据中的异质性（您可能会这样做，或者您会使用其他模型），那么您希望通过聚集错误捕获什么？
@42- 好点。我应该考虑一下。
@SeanNorton 是的，你是对的。我应该考虑一下。

标签： r nlme

【解决方案1】：

您可以使用plm 包。详情见here。但这里是如何指定一个随机效应模型：

set.seed(50)
data <- data.frame(id=rep(1:10,10),income=rnorm(100),education=rnorm(100))
data$id <- factor(data$id)

library(plm)
reg <- plm(income ~ education,
           data= data, 
           index = c('id'), 
           effect = "individual", 
           model ='random')

summary(reg)

Oneway (individual) effect Random Effect Model 
   (Swamy-Arora's transformation)

Call:
plm(formula = income ~ education, data = data, effect = "individual", 
    model = "random", index = c("id"))

Balanced Panel: n = 10, T = 10, N = 100

Effects:
                  var std.dev share
idiosyncratic 0.98161 0.99076 0.973
individual    0.02766 0.16630 0.027
theta: 0.1167

Residuals:
     Min.   1st Qu.    Median   3rd Qu.      Max. 
-2.777437 -0.626498  0.082894  0.602743  2.732686 

Coefficients:
             Estimate Std. Error t-value Pr(>|t|)
(Intercept) -0.116959   0.112068 -1.0436   0.2992
education   -0.033914   0.101471 -0.3342   0.7389

Total Sum of Squares:    95.329
Residual Sum of Squares: 95.221
R-Squared:      0.0011386
Adj. R-Squared: -0.0090539
F-statistic: 0.111707 on 1 and 98 DF, p-value: 0.73892

并获得聚类标准误：

coeftest(reg, vcov=vcovHC(reg,type="HC0",cluster="group"))

【讨论】：

虽然提问者可能没有清楚地表达他的问题，但它并没有传达所问的内容。 “随机效应”没有特定于层的“标准误差”