1

如标题所示,我正在尝试在 python 中运行回归,其中标准错误是聚集的,并且对异方差和自相关 (HAC) 具有鲁棒性。我在statsmodels( sm) 内工作,但显然对使用其他库 (例如linearmodels) 持开放态度。

例如,通过 id 进行聚类,代码将是

sm.OLS.from_formula(formula='y ~ x', data=df).fit(cov_type='cluster', cov_kwds={'groups': df['id']}, use_t=True) 

对于 HAC 标准错误,代码为

sm.OLS.from_formula(formula='y ~ x', data=df).fit(cov_type='HAC', cov_kwds={'maxlags': max_lags}, use_t=True)

鉴于cov_type不能两者兼而有之clusterHAC在 statsmodels 中两者兼而有之似乎不可行?这是对的,和/或有没有其他方法可以两者兼得?

4

1 回答 1

0

有两个面板 HAC cov_typeshac-groupsumhac-panel,但我只知道它们用于面板数据,但它们应该适用于集群数据。据我记得,有一些文献表明它们在高度不平衡的数据方面不是很好(例如比较大小差异很大的美国各州的人口数据)。

https://www.statsmodels.org/stable/generated/statsmodels.regression.linear_model.OLSResults.get_robustcov_results.html

实现该功能的主要参考资料是 Petersen 的文章,例如

https://www.kellogg.northwestern.edu/faculty/petersen/htm/papers/standarderror.html

与 Petersen 进行一些比较的示例在单元测试中。

当我们有两个(路)集群时,Statsmodels 也有集群稳健标准误差。

这些协方差矩阵的随机行为取决于在大样本中集群的数量、时间段的数量或两者是否变大。

于 2020-01-21T02:26:02.453 回答