Robuste Regressionsinferenz und Sandwich-Schätzer

Können Sie mir ein Beispiel für die Verwendung von Sandwich-Schätzern geben, um eine robuste Regressionsinferenz durchzuführen?

Ich kann das Beispiel in sehen ?sandwich, aber ich verstehe nicht ganz, wie wir von lm(a ~ b, data)( r- codiert) zu einer Schätzung und einem p- Wert übergehen können, die aus einem Regressionsmodell unter Verwendung der von der Funktion zurückgegebenen Varianz-Kovarianz-Matrix resultieren sandwich.

r regression lm sandwich

— Remi.b
quelle

Haben Sie die Beispiele in der zugehörigen Vignette durchgesehen ?

— user603

(1) Link funktioniert bei mir. (2) Ist dies eine Kodierungsfrage? So erhalten Sie die Huber-White SE nach dem Einbau eines Modells. Oder etwas anderes?

— Charles

@charles 1) In der Tat funktioniert es! Ich weiß nicht, was vorher passiert ist. Ja, es ist eine R-Codierungsfrage. 2) Ich weiß nicht, was der Huber-White-Standardfehler ist, und weiß derzeit nicht, wie ich sie berechnen soll. Danke für Ihre Hilfe!

— Remi.b

Sie erhalten p-Werte und Standardfehler auf die gleiche Weise wie üblich, indem Sie die Sandwich-Schätzung der Varianz-Kovarianz-Matrix durch die kleinste Quadrate ersetzen.

— Scortchi - Monica wieder einsetzen

@ Scortchi Ok. Und wenn ich diese Schätzungen habe (OLS- oder Sandwich-Schätzungen), was kann ich damit machen?

— Remi.b

Antworten:

Ich denke, es gibt einige Ansätze. Ich habe sie nicht alle angeschaut und bin mir nicht sicher, welches das Beste ist:

Das sandwichPaket:

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

Aber das gibt mir nicht die gleichen Antworten, die ich aus irgendeinem Grund von Stata bekomme. Ich habe nie versucht herauszufinden, warum, ich benutze dieses Paket einfach nicht.

Das rmsPaket: Ich finde es etwas mühsam, damit zu arbeiten, bekomme aber normalerweise mit etwas Mühe gute Antworten. Und es ist das nützlichste für mich.
```
model = ols(a~b, x=TRUE)    
robcov(model)
```
Sie können es von Grund auf neu codieren (siehe diesen Blog-Beitrag ). Es sieht aus wie die schmerzhafteste Option, ist aber bemerkenswert einfach und diese Option funktioniert oft am besten.

Eine einfache / schnelle Erklärung ist, dass Huber-White oder Robust SE eher aus den Daten als aus dem Modell abgeleitet werden und daher für viele Modellannahmen robust sind. Aber wie immer wird eine schnelle Google-Suche dies bei Interesse bis ins kleinste Detail darstellen.

— Charles
quelle

Sie sollten diese Antwort hier wirklich sehen: stats.stackexchange.com/a/117066/12053

— Chandler

Es ist so, als würde diese Antwort implizit davon ausgehen, dass etwas mit R nicht stimmt, weil Sie andere Ergebnisse als Stata erhalten. Für Leute, die wissen, wie die Sandwich-Schätzer funktionieren, ist der Unterschied offensichtlich und leicht zu beheben. Für Leute, die es nicht wissen, lesen Sie bitte die Vignette (Anleitung), die mit dem Paket

— geliefert wird

Man kann eine alternative Zusammenfassungsfunktion verwenden, um eine robuste Regression durchzuführen.

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

Um robuste Standardfehler zu erhalten, setzen Sie den Parameter '' robust '' in Ihrer Zusammenfassungsfunktion auf TRUE.

Der folgende Blogeintrag enthält die Funktion und eine detaillierte Beschreibung der Funktion: https://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r

— Daniel Kah
quelle