표준 오류는 Stata에서 cluster
옵션을 사용했기 때문에 다릅니다.
R :
data(Grunfeld)
library(plm)
grun.re <- plm(inv~-1+value+capital,data=Grunfeld,model="fd")
> summary(grun.re)
Oneway (individual) effect First-Difference Model
Call:
plm(formula = inv ~ -1 + value + capital, data = Grunfeld, model = "fd")
Balanced Panel: n=10, T=20, N=200
Residuals :
Min. 1st Qu. Median Mean 3rd Qu. Max.
-202.00 -15.20 -1.76 -1.39 7.95 199.00
Coefficients :
Estimate Std. Error t-value Pr(>|t|)
value 0.0890628 0.0082341 10.816 < 2.2e-16 ***
capital 0.2786940 0.0471564 5.910 1.58e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
STATA
reg D.(inv value capital), nocons
Source | SS df MS Number of obs = 190
-------------+------------------------------ F( 2, 188) = 70.58
Model | 259740.92 2 129870.46 Prob > F = 0.0000
Residual | 345936.615 188 1840.08838 R-squared = 0.4288
-------------+------------------------------ Adj R-squared = 0.4228
Total | 605677.536 190 3187.7765 Root MSE = 42.896
------------------------------------------------------------------------------
D.inv | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
value |
D1. | .0890628 .0082341 10.82 0.000 .0728197 .1053059
|
capital |
D1. | .278694 .0471564 5.91 0.000 .1856703 .3717177
당신이 그룹에 의해 클러스터하려면, 여기에 솔루션입니다 :
R :
library(lmtest) # for coeftest function
coeftest(grun.re,vcov=vcovHC(grun.re,type="HC0",cluster="group"))
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
value 0.089063 0.013728 6.4878 7.512e-10 ***
capital 0.278694 0.130954 2.1282 0.03462 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
STATA :
. reg D.(inv value capital), nocons cluster(firm)
Linear regression Number of obs = 190
F( 2, 9) = 47.80
Prob > F = 0.0000
R-squared = 0.4288
Root MSE = 42.896
(Std. Err. adjusted for 10 clusters in firm)
------------------------------------------------------------------------------
| Robust
D.inv | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
value |
D1. | .0890628 .0145088 6.14 0.000 .0562416 .1218841
|
capital |
D1. | .278694 .138404 2.01 0.075 -.0343976 .5917857
------------------------------------------------------------------------------
당신은 약간의 차이가 있음을 볼 수 있습니다. R에 대한 자세한 내용은 plm manual 39 페이지 및 here 더하기 here
을 참조하십시오. 나는 plm이 패널 구조를 조정하지 않고 차이 데이터에서 OLS를 실행하고 있다는 것을 알아야한다. ID (또는 더 적절한 무엇인가)를 클러스터링하는 방법이 있습니까? –
답변을 업데이트했습니다. 그러나 약간의 차이가 있습니다. 참조를 확인할 수 있습니다. – Metrics
여전히'plm manual' 페이지 39에 있는가? 아니면 65 페이지의'vcovHC Robust Covariance Matrix Estimators'에 대한 섹션입니까? (버전 1.4-0)? 감사 – pidosaurus