3

我使用 Arai 的 (2015) 方法（特别是第 4 页的 mclx 函数）为我在 R 中的 lm 生成集群稳健的标准错误（http://www.ne.su.se/polopoly_fs/1.216115.1426234213!/menu /标准/文件/clustering1.pdf）。

我使用面板数据并尝试生成双向集群稳健标准错误（按年份和按国家/地区）。

我的问题是，虽然我得到了每个自变量的系数估计值，但我得到了一些（不是所有）变量的标准误差、t 统计数据和 p 值的 NA。

我检查了相关主题，但找不到此问题的答案。特别是，它与数据结构无关，因为所有数据都是“数字”的，没有多重共线性问题，每个集群维度（即年份和国家）都有足够的观察值......

mclx() 函数如下所示：

    ### Write function for Multiple dimension SE clustering
mclx <- 
    function(fm, dfcw, cluster1, cluster2){
        library(sandwich)
        library(lmtest)
        cluster12 = paste(cluster1, cluster2, sep="")
        M1 <- length(unique(cluster1))
        M2 <- length(unique(cluster2))
        M12 <- length(unique(cluster12))
        N <- length(cluster1)
        K <- fm$rank
        dfc1 <- (M1/(M1-1))*((N-1)/(N-K))
        dfc2 <- (M2/(M2-1))*((N-1)/(N-K))
        dfc12 <- (M12/(M12-1))*((N-1)/(N-K))
        u1 <- apply(estfun(fm), 2, 
                    function(x) tapply(x, cluster1, sum))
        u2 <- apply(estfun(fm), 2, 
                    function(x) tapply(x, cluster2, sum))
        u12 <- apply(estfun(fm), 2, 
                    function(x) tapply(x, cluster12, sum))
        vc1 <- dfc1*sandwich(fm, meat=crossprod(u1)/N)
        vc2 <- dfc2*sandwich(fm, meat=crossprod(u2)/N)
        vc12 <- dfc12*sandwich(fm, meat=crossprod(u12)/N)
        vcovMCL <- (vc1+vc2-vc12)*dfcw
        coeftest(fm, vcovMCL)
    }

然后，我指定我的多元线性模型并调用结果：

### cluster on two variables (year and anation)
mclx(fm, 1, data$year, data$nation)

不幸的是，我无权在此处发布数据。当我使用 Arai (2015) 提供的测试数据时，问题不会发生，但我无法弄清楚我的数据存在问题。所以，也许有人有一个大致的想法，为什么标准误差、t 统计量和 p 值的某些参数估计会产生 NA，以及如何避免这种情况？我会非常感谢任何提示...

4

0 回答 0