r - 对标准误差 R 进行聚类时，不同的估计，相同的模型

Question

我正在使用 R 中的 glm 包估计相同的逻辑回归（但变量顺序不同）。所有变量都是二元的（一个因变量，一个协变量，一个交互项）。但是根据模型中变量的顺序，我会得到不同的结果。具体来说，仅当我对标准错误进行聚类时，我在交互项中使用的一个变量的标准错误的 NA。我不知道为什么会这样。

这是我的代码：

mod1 <- glm(dv ~ cov + var1*var2,family binomial(link = "logit"),data = dat)
mod2 <- glm(dv ~ var1*var2 + cov,family = binomial(link = "logit"),data = dat)
stargazer(mod1,mod2) 

产生（输出编辑更容易阅读）：

cov & 0.300 & 0.300 \\ 
& (1.128) & (1.128) \\ 
var1 & $-$0.008 & $-$0.008 \\ 
 & (2,543.188) & (2,543.188) \\ 
var2 & 19.828 & 19.828 \\ 
 & (1,902.767) & (1,902.767) \\ 
var1:var2 & $-$0.569 & $-$0.569 \\ 
 & (2,543.188) & (2,543.188) \\ 

结果与上面相同，但是当我对标准错误进行聚类时它们会有所不同：

stargazer(coeftest(mod1,vcov = cluster.vcov(mod1, dat$groupid)),coeftest(mod2,vcov = cluster.vcov(mod2, dat$groupid)))

产生：

cov & 0.300 & 0.300 \\ 
  & (1.073) & (1.073) \\ 
 var1 & $-$0.008 & $-$0.008 \\ 
  & (0.036) & NA \\ 
 var2 & 19.828$^{***}$ & 19.828$^{***}$ \\ 
  & (0.183) & (0.376) \\ 
 var1:var2 & $-$0.569 & $-$0.569 \\ 
  & (0.469) & (0.434) \\ 

请注意，这里的标准错误var1是 NA。我不知道发生了什么。任何帮助将不胜感激！

标签： rnaglminteractionstandard-error