Driscoll and Kraay稳健性检验

jason26258 发表于 2015-6-7 19:49
XTSCC,外部命令需要安装，具体意义可以参见原始论文以及stata帮助文档，但愿对您有所帮助！

请问如何安装外部命令

建模123456 发表于 2019-8-9 00:28
请问如何安装外部命令

findit // ssc install // help xtscc都是可以的

12345yuanyuan 发表于 2018-5-6 16:53
请问这个问题现在解决了吗？有没有什么相关教材推荐

findit xtcss下载后，help xtscc

建模123456 发表于 2019-8-9 00:13
首先，FGLS在N→∞的情况下是渐进有效的，因而在处理大样本时比“OLS+稳健标准误”更为有效。但在样本数量有 ...

请问这个是哪里的文献参考呀

Driscoll 和 Kraay 提出的稳健性检验，主要是为了解决面板数据中异方差、自相关及跨截面依赖问题。在进行线性回归时，如果残差存在时间序列上的自相关和/或个体之间的空间相关（即跨截面依赖），传统的标准误估计将不再有效。Driscoll 和 Kraay 的方法允许对这样的复杂数据结构进行稳健性的推断。

### 在STATA中实现

在STATA中使用 Driscoll-Kraay 标准差可以通过以下步骤：

1. **安装ckxtscc命令**：首先，确保你已经从SSC（Statistical Software Components）安装了`ckxtscc`这个用户编写的命令。如果还没有安装，可以在Stata命令行输入：
   ```
   ssc install xtcsd, replace
   ```

2. **运行Driscoll-Kraay检验**：然后使用 `ckxtscc` 命令来计算Driscoll-Kraay调整后的标准差。比如在你的模型回归后，可以这样操作：
   ```
   regress y x1 x2 ... , robust
   ckxtscc, post
   ```
   这里假设你已经在前面的命令中进行了初步的线性回归。

### 和聚类稳健性标准误的区别

Driscoll-Kraay 标准差和传统的聚类（clustered）稳健性标准误之间的主要区别在于处理相关性的方法：

- **聚类标准误**：通常用于处理组内自相关的误差项，比如在面板数据中，同一时间点的观察值可能因个体特性而有共同趋势。聚类标准误通过将观测值按某个类别（如时间、个体）分组，并假设组间独立，计算出更稳健的标准误。

- **Driscoll-Kraay 标准差**：这种方法不仅考虑了时间序列自相关，还特别处理了跨截面依赖的问题。它比标准的聚类方法更进一步，允许在不同个体间也存在一定程度的相关性，从而提供了更加全面且稳健的标准误差估计。

总结来说，Driscoll-Kraay 的方法是在面板数据中对复杂相关结构（时间序列自相关与跨截面依赖）进行调整的工具，而传统的聚类标准误则更侧重于处理组内相关的特定情形。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用