2

我正在使用来自调查数据的面板数据集运行逻辑回归，并且我想更正面板设计的标准错误。本次调查中包含的权重考虑了抽样概率、小组死亡率和分层后。

如果我正确理解了Berger et al 2017，我应该对面板数据使用聚类协方差。但是，我不确定这些命令是否适用于具有调查权重的数据。

我首先使用包和包来估计回归glm并纠正标准错误。随后，我使用包中的and来估计一个加权模型，并以同样的方式再次修正标准误差。coeftestlmtestvcovPLsandwichsvydesignsvyglmsurvey

在这个问题中，R 的三明治包为线性模型中的稳健标准误差产生了奇怪的结果， Zeileis 写道，使用svyglm对象可能会产生不正确的结果。但是，我不确定这是否仅适用于复杂的调查权重（带有分层等）或基本调查权重，因为它在这里指出，如果不使用分层，差别不大。但是，我不完全理解那里的解释。此外，我想知道Berger et al 2017中描述的新实现的功能是否允许使用svyglm对象。因此，如果我的设计没有分层， 我不知道是否可以将sandwich包中的命令用于类对象。svyglm

这是我使用的代码：

# not weighted
model <- glm(depend_var ~ indep_var1 + indep_var2 ,family=quasibinomial(link='logit'),data=dataset)
m_vcov <- coeftest(model,vcov. =  sandwich::vcovPL(x = model, cluster = ~ id_var,order.by = ~ year ,pairwise = T))

# weighted
design.ps <- svydesign(ids=~1, weights=~wgt, data=dataset)
model_wgt <- svyglm(depend_var ~ indep_var1 + indep_var2, design=design.ps,family=quasibinomial(link='logit'),data=dataset)
mwt_vcov <- coeftest(model_wgt, vcov. = sandwich::vcovPL(x = model_wgt, cluster = ~ id_var,order.by = ~ year ,pairwise = T))

查看上面测试代码提供的系数，结果似乎与此处提供的结果不同：R 的三明治包为线性模型中的稳健标准误差产生奇怪的结果

# basic model
> summary(model)
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)       -3.68570    0.01264 -291.68   <2e-16 ***
indep_var1_test    0.37538    0.01111   33.78   <2e-16 ***
indep_var2_test    1.05226    0.01100   95.62   <2e-16 ***

# basic model with SE correction
> m_vcov
                   Estimate Std. Error  z value  Pr(>|z|)    
(Intercept)       -3.685702   0.176121 -20.9271 < 2.2e-16 ***
indep_var1_test    0.375380   0.049817   7.5353 4.874e-14 ***
indep_var2_test    1.052258   0.068763  15.3027 < 2.2e-16 ***

# weighted model 
> summary(model_wgt)
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)       -3.89702    0.01751 -222.57   <2e-16 ***
indep_var1_test    0.42373    0.01454   29.15   <2e-16 ***
indep_var2_test    1.05291    0.01439   73.15   <2e-16 ***

# weighted model with SE correction
> mwt_vcov
                   Estimate Std. Error  z value  Pr(>|z|)    
(Intercept)       -3.897021   0.319932 -12.1808 < 2.2e-16 ***
indep_var1_test.   0.423732   0.075202   5.6346 1.755e-08 ***
indep_var2_test    1.052915   0.126569   8.3189 < 2.2e-16 ***

我的问题是：我可以使用上面的命令来纠正标准错误吗？

我想我的问题类似于这个未回答的问题： https ://stats.stackexchange.com/questions/260515/does-coeftest-correctly-use-weights-from-svydesign-in-svyglm-object?rq=1

4

1 回答 1

5

你想用

coeftest(model, vcov=vcov(model))

对于svyglm模型，vcov()已经生成了适当的三明治估计器，我认为“三明治”包对对象的内部结构了解得不够多，无法正确处理。

于 2019-05-26T21:30:56.283 回答