时间戳

首页 > 解决方案 > 关于 R 中 LFE 包中具有聚集标准误差的 p 值的问题

r - 关于 R 中 LFE 包中具有聚集标准误差的 p 值的问题

问题描述

我正在使用 lfe-package 估计一个具有固定效应和聚集标准误差的模型。

事实证明，我有一个巨大的 t 值（23.317），但只有一个相对较小的 p 值（0.0273）。这似乎与我使用固定效果的投影有关。当我手动估计固定效应作为控制变量时，我的 p 值太小而无法报告 <2e-16 。

考虑以下工作示例（如果它比严格必要的复杂，我很抱歉，我正在尝试接近我的应用程序）：

我只是在估计 50 个时期内 10 个时间序列的汇总面板估计量。我假设时间序列中有两个集群。

library(data.table)
library(lfe)


x <- rnorm(50, mean = 1, sd = 1)
common_shock <- rnorm(50, mean = 0, sd = 1)


y1 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y2 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y3 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y4 = 0.5+ 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y5 = 0.5+ 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y6 = x + rnorm(50, mean = 0, sd = 2)
y7 = x + rnorm(50, mean = 0, sd = 2)
y8 = x + rnorm(50, mean = 0, sd = 2)
y9 = x + rnorm(50, mean = 0, sd = 2)

y10 = x + rnorm(50, mean = 0, sd = 2)

DT <- data.table(periods = 1:50, y1, y2, y3, y4, y5, y6, y7, y8, y9, y10)
Controls <- data.table(periods = 1:50, x)
indicators <- data.table(y_label = paste0("y", 1:10),
                         indicator = c(1, 1, 1, 1, 1, 0, 0, 0, 0, 0))

DT <- melt(DT, id.vars= c("periods"))

DT <- merge(DT, Controls, by="periods", all = TRUE)
DT <- merge(DT, indicators, by.x="variable", by.y="y_label", all = TRUE)


results <- felm(as.formula("value ~ -1 + indicator + x:indicator  | periods | 0 | periods + indicator"), data = DT)
results2 <- felm(as.formula("value ~ -1 + indicator + x:indicator + as.factor(periods) | 0 | 0 | periods + indicator"), data = DT)
summary(results)
summary(results2)

第一个结果给了我

指标：x 3.8625 0.1657 23.317 0.0273 *

第二个结果2给了我

指标：x 3.86252 0.20133 19.185 < 2e-16 ***

所以肯定和固定效应的投射有关，但是这个差别太大了，我想多了解一下。有人知道这里的根本问题是什么吗？

标签： rlfe

解决方案

您正在尝试调整"indicator"二进制聚类的标准错误。

table(DT$indicator)
#   0   1 
# 250 250

换句话说，您只有两个集群。您的第一个"results"似乎是“正确的”，因为它们正确地给出1了自由度。

(df1 <- results$df)
# [1] 1

而"results2"有448自由度。

(df2 <- results2$df)
# [1] 448

当我们计算每手的 p 值时，我们可能会使用一个自由度（因为它应该只有两个集群）复制您的第一个结果，您的第二个结果使用 448 个自由度。

PV <- function(x, df) 2 * pt(-abs(x), df=df)

r1 <- summary(results)$coe
t1 <- r1[grep("indicator:x", rownames(r1)), "t value"]
PV(t1, df1)
# [1] 0.02937402

r2 <- summary(results2)$coe
t2 <- r2[grep("indicator:x", rownames(r2)), "t value"]
PV(t2, df2)
# [1] 2.371641e-55

似乎felm无法将factor变量视为固定效应，因为它的标准符号是y ~ x1 + x2 | f1 + f2 | (Q|W ~ x3+x4) | clu1 + clu2。

请注意，即使根据自由度进行了调整，您的第一个结果也不是“正确的”。只有两个集群对我来说没有多大意义，也许您可​​能想过度考虑您的模型。无论如何，如果您的集群少于约 50 个，您应该使用类似野生集群引导方法（参见Cameron 和 Miller，2015 年）。

数据：

我将您的数据与set.seed(42).

推荐阅读