강력한 회귀 추론 및 샌드위치 추정기

강력한 회귀 추론을 수행하기 위해 샌드위치 추정기를 사용하는 예를 들어 주시겠습니까?

에서 예제를 볼 수는 ?sandwich있지만 함수가 반환 한 분산 공분산 행렬을 사용하여 회귀 모델에서 발생 하는 추정 및 p 값으로 lm(a ~ b, data)( r 코딩) 방법으로 이동하는 방법을 이해하지 못합니다 . sandwich

몇 가지 접근 방식이 있다고 생각합니다. 나는 그것들을 모두 보지 않았으며 어느 것이 가장 좋은지 확신하지 못했습니다.

1. sandwich패키지 :

   library(sandwich)    
   coeftest(model, vcov=sandwich)
   

그러나 이것은 어떤 이유로 Stata에서 얻은 것과 동일한 답변을 제공하지 않습니다. 나는 왜이 패키지를 사용하지 않는지 알아 내려고 시도하지 않았습니다.

1. rms패키지 : 나는 작업 할 고통이 조금을 찾을 일반적으로 어떤 노력과 좋은 답변을 얻을. 그리고 그것은 나에게 가장 유용합니다.

   model = ols(a~b, x=TRUE)    
   robcov(model)
   

2. 처음부터 코딩 할 수 있습니다 ( 이 블로그 게시물 참조 ). 가장 고통스러운 옵션처럼 보이지만 놀랍도록 쉽고이 옵션이 가장 효과적입니다.

간단하고 빠른 설명은 Huber-White 또는 Robust SE가 모델이 아닌 데이터에서 파생되므로 많은 모델 가정에 강력하다는 것입니다. 그러나 항상 그렇듯이 빠른 Google 검색은 관심이있는 경우 매우 상세하게 설명합니다.

대체 요약 함수를 사용하여 강력한 회귀를 수행 할 수 있습니다.

lm.object <- lm(a~b+c)
summary(lm.object, robust=TRUE)

강력한 표준 오류를 얻으려면 요약 함수에서``robust ''매개 변수를 TRUE로 설정하십시오.

다음 블로그 항목은 기능 및 기능에 대한 자세한 설명을 제공합니다. https://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r