问题标签 [robust]

我正在通过plmR 中的包处理面板数据。现在我正在考虑组（城市）、时间以及组和时间两种方式的固定效应模型。因为我通过 Breusch-Pagan 检验检测到异方差性，所以我计算了稳健的标准误差。

我阅读了帮助?vcovHC，但我无法完全理解如何使用coeftest。

我目前的代码是：

为了计算稳健的标准误差，代码是否coeftest合适？我想知道如何为每个设置cluster选项。例如，我设置代码：effect = 'individualeffect = 'time'coeftest

cluster = 'group'在plmfem_cityeffect = 'individual'中coeftest

cluster = 'time'在plmfem_yeareffect = 'time'中coeftest

这种方式合适吗？

并且，如何计算 和 的双向稳健标准city误差year？

我正在尝试对我的工厂模型执行稳健的控制。我已经看到了对电气系统（电机）和机械系统（弹簧质量阻尼器）执行稳健控制的示例，但我还没有看到这些系统是否组合在一起。此外，我使用线性二次调节器进行反馈，而不是比例-积分-微分控制器。我还在状态空间中模拟了机械和电气系统。任何关于如何执行鲁棒控制的有价值的输入将不胜感激

谢谢你

我在 R 中复制负二项式回归模型。在计算稳健标准误差时，输出与标准误差的 Stata 输出不匹配。

原始的Stata代码是

我尝试过手动计算和vcovHC从sandwich. 但是，两者都不会产生相同的结果。

我的回归模型如下： mod1 <- glm.nb(displaced ~ eei + costofwar_log + cfughh + roadskm + popdensity_log + tkilled_log, data = mod1_df)

我vcovHC已经尝试了从HC0到 的所有选项HC5。尝试1：

尝试2：

最成功的是HC0，vcov = sandwich但没有一个 SE 是正确的。

有什么建议么？

编辑

我的输出如下（使用HC0）：

我试图复制的 Stata 输出是：

数据集位于此处，重新编码的变量为：

我在 python 中使用 Statsmodel 运行稳健的回归模型时遇到问题。

以下 OLS 模型有效：

我尝试运行：

但我收到以下类型错误：

我通读了这份文档： https ://www.statsmodels.org/dev/rlm.html ，但我仍在为代码苦苦挣扎。我愿意使用其他软件包，例如 Scikit

谢谢你。

我robustreg在 R 中使用包来拟合稳健的回归模型，我的模型基于迭代重新加权的最小二乘，这些模型中的最小二乘使用 Tukey 的 Bisquare Psi 函数和 Huber Psi 函数加权，以估计我使用以下代码的模型：

但是该函数只返回系数、权重和均方误差，所以我需要找到拟合值，为此我使用了函数fitted()并predict()以从两个函数获得的输出为目标，但它没有用，有没有专门为这种情况制作的R包？我的意思是一个可以计算稳健回归模型的拟合值的包。

我正在尝试使用 Black & Anandan Lorentzian 方法使 LK 和 HS 原始算法具有鲁棒性

我不知道如何在我的 MATLAB 代码中应用这个概念！...当我尝试应用我所知道的结果时，我得到的结果比原来的 HS 更差

我将附上我的 MATLAB 代码……如果有人知道如何做……或者我的错误在哪里……我将不胜感激

此代码读取 4 个灰色图像（i0、i1、i2、i3）perform_reg_iter 中的实际鲁棒性过程（我试图应用于数据和平滑项）但它给我的流程比原始方法更差

没有鲁棒计算我得到了这个结果

我得到了这个结果

我使用 python 的三个函数来计算相同输入的协方差，输出完全不同。有没有人有经验并且知道哪一种效果最好？（有什么区别？）

我使用的功能是

任何见解都值得赞赏。

sklearn.covariance.empirical_covariance(.) 给了我简单的

我需要 pandas 来计算稳健的标准差

我今天在 python 中对电气测量进行异常值分析，并在 pandas 环境中重构代码。我遇到的一个问题是计算标准偏差。如果在计算 std 时总体中存在异常值，则结果值太大并且是由于存在异常值。在我最初的 python 代码中，我编写了稳健的均值标准差函数来返回更正常的总体，以计算异常值限制。请注意，我还使用这个归一化总体来计算偏度和峰度，因为它们受异常值的影响很大。

我一直在研究的是通过使用数据集的 95% 分位数并从那里计算异常值限制来对总体进行标准化。有谁知道 pandas 社区中的其他人是否从事过强大的统计功能。如果没有，我会继续前进。

df["#18.1355"].describe() count 2694.000000 mean 1.808318 std 6.426645 min 0.920686 25% 1.357991 50% 1.521781 75% 1.801604 max 334.196900 名称：float64.1355，dtype

请注意，最大值中的远异常值。

上述测量的归一化总体的标准差约为 0.8

我一直在做一些关于鲁棒控制的教程。以前我一直在使用“sysic”来定义增强植物以使用“hinfsyn”进行控制，但是，我最近遇到了“augw”，在比较混合灵敏度方案的结果时，我看到没有给出相同的结果.

混合灵敏度 hinfsyn 的增强型植物

问题是我必须在“sysic”中错误地定义互连方案。

我举了一个简单的例子来演示：

我得到伽玛值：

我不确定我在这里缺少什么，因为我相信它们是等价的。任何建议表示赞赏！

我正在使用以下 R 代码运行多个线性回归模型并将结果提取到数据框：

如何修改我的代码以使用类似于 STATA 的稳健标准错误？