问题标签 [standard-error]

对于大型数据集，以下代码非常慢...任何人都可以告诉我如何更有效地编写以下内容？逻辑是：首先，符号化变量和参数。其次，使用符号化的变量和参数来编写模型。然后，使用雅可比矩阵来获得每个参数的一阶偏导数。最后，将真实数据代入雅可比矩阵，并将符号结果转换为数值结果。

非常感谢

我正在使用 MuMIn 计算模型平均过程中的参数估计值。现在我想比较条件与收缩的参数估计。我想比较两种方法的参数估计和标准误差，但我遇到了问题。我运行下面的代码来得到一个汇总表，看起来很棒。我想要汇总表中的内容。但是当我尝试从汇总表中选择收缩表时，它只给了我参数估计值，而不是完整的表。

我的数据样本在这里。

这是我的代码。它改编自以前的版本，该版本运行了一堆因变量。

我卡在最后两行。如果我运行，summary(modav)我会得到下表：

看起来不错！如果我跑步，summary(modav)[3]我会得到：

这正是我想要的。如果我运行summary(modav)[4]而不是获得类似的表，我只会得到参数估计值。

我真正想要的是：

有人对如何获得它有想法吗？我不能每次都复制和粘贴，我有 60 个因变量可以运行它。我真的需要每个因变量的每个估计的标准误差。

我试图在 R 中找到异方差稳健的标准错误，我发现的大多数解决方案都是使用coeftestandsandwich包。然而，当我使用这些软件包时，它们似乎产生了奇怪的结果（它们太重要了）。我的教授和我都同意结果看起来不正确。有人可以告诉我我的错误在哪里吗？我使用了正确的包吗？包里面有bug吗？我应该改用什么？或者你能在 STATA 中重现相同的结果吗？

（数据是 2010 年到 2014 年的 CPS 数据，3 月份的样本。我创建了一个 MySQL 数据库来保存数据，并正在使用该survey包来帮助分析它。）

先感谢您。（我已经对代码进行了一些删节以使其更易于阅读；如果您需要查看更多内容，请告诉我。）

我在 Stata 中有以下probit命令，并在 R 中查找等效代码：

我能够复制系数的估计结果，但是，不能复制校正的标准误差（它们是聚集的）

我基本上是在 R 中寻找 Stata option 的等价物cluster(crisno)。

我看过这个回复，但据我所知，建议的解决方案仅指 logit，而不是 probit。

我有以下数据集：

我想运行以下线性模型并使用sandwich包计算稳健的标准误差。

线性模型的输出很好，但不计算稳健标准误差：NaN为每个标准误差返回。

我的猜测是，这NaN是由于变量treat和share几乎完全共线（只有一个观察结果，其中treat=1和share!=0）。问题是我必须使用这些变量；我无法替换它们。

有人能想到这个问题的解决方法/解决方案吗？

我有 R 中 clogit 函数的输出（见下文），我希望通过除以系数来找出不同属性的支付意愿（WTP）和 WTP 的标准误差。在 stata 中很容易实现，使用一行 >nlcom 但是你如何在 R 中做到这一点？

我想在 R 中为线性回归模型执行 k 折交叉验证并测试一个标准错误规则：

https://stats.stackexchange.com/questions/17904/one-standard-error-rule-for-variable-selection

因此，我需要一个函数来返回预测误差的交叉验证估计和这个估计的标准误差（或至少每个折叠的 MSE，这样我就可以自己计算标准误差）。许多包都有计算交叉验证误差的函数（例如，cv.glm在boost包中），但通常它们只返回预测误差的 CV 估计值，而不是它的标准误差，或每个折叠的 MSE。

我尝试使用 package DAAG，它的功能CVlm应该比cv.glm. 但是，我似乎无法让它工作！这是我的代码：

我得到了几乎没有信息的错误

这对我来说没有多大意义。x并且y长度相同（11），因此很明显该函数正在抱怨它在内部创建的其他一些变量x。y

我很乐意接受其他软件包的解决方案（例如caret）。此外，如果我可以指定 k 折交叉验证的重复次数，那就太好了。

我怎样才能得到主要和交互项的组合标准误差？在模型 1 中，我希望获得 progAcademic 和 progAcademic:math 的综合估计值。

我在下面提供了示例数据：

我无法正确绘制误差线。这是我的数据框：

我正在使用此代码生成分组条形图：

由于某种原因，误差线没有正确绘制，图表如下所示：

希望解决方案是一个简单的解决方案，但它让我望而却步。提前感谢您的帮助！

我用'scipy.optimize.minimize'估计了一个参数（atheta）。我的过程相当于计算最大似然。我想计算这个参数的标准误差，就像统计软件一样。

我找到了 scikits.bootstrap 包，但它似乎不计算自定义函数的置信区间，而只计算 scipy 统计函数的置信区间。

如何继续计算标准误差？

这是我的代码：

以下是数据的样子：

这只是一个示例，因为数据有 25000 行，变量 R 的数量上升到 R24。