对标准误进行聚类分析

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请问，面板数据个体固定效应模型如何对标准误进行聚类修正，命令是什么样的，十分感谢

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏6 回帖

关键词：个体固定效应模型 个体固定效应 固定效应模型 面板数据 效应模型

就是

1. xtreg y x1 x2 ..., fe robust

复制代码

请问这个命令和cluster（id）那个是一样的作用吗

nenulisen 发表于 2019-4-9 09:06
请问这个命令和cluster（id）那个是一样的作用吗

回归命令后加“r”表示使用聚类稳健标准误。如果用“vce(cluster id)”,效果一样

cct25 发表于 2019-4-11 10:10
回归命令后加“r”表示使用聚类稳健标准误。如果用“vce(cluster id)”,效果一样

谢谢您的帮助

cct25 发表于 2019-4-11 10:10
回归命令后加“r”表示使用聚类稳健标准误。如果用“vce(cluster id)”,效果一样

谢谢您的帮助

为什么呢？是不是加了r，就意味着已经对公司层面做了标准误的聚类分析吗

金融小工 发表于 2019-10-15 11:33
为什么呢？是不是加了r，就意味着已经对公司层面做了标准误的聚类分析吗

在这个命令里，r就是聚类标准误的意思。
聚类分析是机器学习的东西吧。跟这个没关系。

金融小工 发表于 2019-10-15 11:33
为什么呢？是不是加了r，就意味着已经对公司层面做了标准误的聚类分析吗

是的，请看看

1. webuse grunfeld, clear
   
2. xtset company year
   
3. xtreg invest mvalue kstock, fe vce(robust)
   
4. xtreg invest mvalue kstock, fe vce(cl company)

复制代码

结果是一样的：

1. . xtreg invest mvalue kstock, fe vce(robust)
   
2. 
   
3. Fixed-effects (within) regression               Number of obs     =        200
   
4. Group variable: company                         Number of groups  =         10
   
5. 
   
6. R-sq:                                           Obs per group:
   
7.      within  = 0.7668                                         min =         20
   
8.      between = 0.8194                                         avg =       20.0
   
9.      overall = 0.8060                                         max =         20
   
10. 
    
11.                                                 F(2,9)            =      28.31
    
12. corr(u_i, Xb)  = -0.1517                        Prob > F          =     0.0001
    
13. 
    
14.                                (Std. Err. adjusted for 10 clusters in company)
    
15. ------------------------------------------------------------------------------
    
16.              |               Robust
    
17.       invest |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
18. -------------+----------------------------------------------------------------
    
19.       mvalue |   .1101238   .0151945     7.25   0.000     .0757515    .1444961
    
20.       kstock |   .3100653   .0527518     5.88   0.000     .1907325    .4293981
    
21.        _cons |  -58.74393   27.60286    -2.13   0.062    -121.1859    3.698079
    
22. -------------+----------------------------------------------------------------
    
23.      sigma_u |  85.732501
    
24.      sigma_e |  52.767964
    
25.          rho |  .72525012   (fraction of variance due to u_i)
    
26. ------------------------------------------------------------------------------
    
27. 
    
28. . xtreg invest mvalue kstock, fe vce(cl company)
    
29. 
    
30. Fixed-effects (within) regression               Number of obs     =        200
    
31. Group variable: company                         Number of groups  =         10
    
32. 
    
33. R-sq:                                           Obs per group:
    
34.      within  = 0.7668                                         min =         20
    
35.      between = 0.8194                                         avg =       20.0
    
36.      overall = 0.8060                                         max =         20
    
37. 
    
38.                                                 F(2,9)            =      28.31
    
39. corr(u_i, Xb)  = -0.1517                        Prob > F          =     0.0001
    
40. 
    
41.                                (Std. Err. adjusted for 10 clusters in company)
    
42. ------------------------------------------------------------------------------
    
43.              |               Robust
    
44.       invest |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
45. -------------+----------------------------------------------------------------
    
46.       mvalue |   .1101238   .0151945     7.25   0.000     .0757515    .1444961
    
47.       kstock |   .3100653   .0527518     5.88   0.000     .1907325    .4293981
    
48.        _cons |  -58.74393   27.60286    -2.13   0.062    -121.1859    3.698079
    
49. -------------+----------------------------------------------------------------
    
50.      sigma_u |  85.732501
    
51.      sigma_e |  52.767964
    
52.          rho |  .72525012   (fraction of variance due to u_i)
    
53. ------------------------------------------------------------------------------

复制代码

黃河泉 发表于 2019-10-16 10:40
是的，请看看结果是一样的：

非常感谢你