Heteroscedasticity robustes erreurs standard avec le package PLM

Question

J'essaie d'apprendre R après avoir utilisé Stata et je dois dire que je l'aime. Mais maintenant j'ai quelques problèmes. Je suis sur le point de faire plusieurs régressions multiples avec Panel Data, donc j'utilise le package plm.

Maintenant, je veux avoir les mêmes résultats avec plm dans R comme lorsque j'utilise la fonction lm et Stata lorsque j'effectue une régression robuste d'hétéroscedasticité et fixe d'entité.

Disons que j'ai un panel de données avec les variables Y, ENTITY, TIME, V1.

-je obtenir les mêmes erreurs standard dans R avec ce code

lm.model<-lm(Y ~ V1 + factor(ENTITY), data=data) 
coeftest(lm.model, vcov.=vcovHC(lm.model, type="HC1)) 

comme quand je joue cette régression dans Stata

xi: reg Y V1 i.ENTITY, robust 

Mais quand je joue cette régression avec le paquet plm je reçois d'autres erreurs-type

plm.model<-plm(Y ~ V1 , index=C("ENTITY","YEAR"), model="within", effect="individual", data=data) 
coeftest(plm.model, vcov.=vcovHC(plm.model, type="HC1)) 

• Ai-je manqué de définir certaines options?
• Est-ce que le modèle plm utilise un autre type d'estimation et si oui, comment?
• Puis-je en quelque sorte les mêmes erreurs standard avec plm comme dans Stata avec , robust

Answer 1

Est-il possible que votre code Stata est différent de ce que vous faites avec plm?

option « dans les » s » plm avec des effets « individuels » signifie un modèle de la forme:

yit = a + Xit*B + eit + ci 

Qu'est-ce que plm fait est de rabaisser les coefficients afin que ci passe de l'équation.

yit_bar = Xit_bar*B + eit_bar 

De sorte que le suffixe «barre» signifie que chaque variable a sa moyenne soustraite. La moyenne est calculée au fil du temps et c'est pourquoi l'effet est pour l'individu. Vous pourriez également avoir un effet de temps fixe qui serait commun à tous les individus, auquel cas l'effet serait également dans le temps (ce qui n'est pas pertinent dans ce cas).

Je ne suis pas sûr de ce que fait la commande "xi" dans STATA, mais je pense que cela élargit une interaction non? Ensuite, il me semble que vous essayez d'utiliser une variable fictive par ENTITY comme l'a souligné @richardh.

Pour que vos codes Stata et plm correspondent, vous devez utiliser le même modèle.

Vous avez deux options: (1) vous xtset vos données dans stata et utilisez l'option xtreg avec le modificateur fe ou (2) vous utilisez plm avec l'option de regroupement et un dummy par ENTITY.

correspondants Stata à R:

xtset entity year 
xtreg y v1, fe robust 

correspondants plm à Stata:

plm(Y ~ V1 + as.factor(ENTITY) , index=C("ENTITY","YEAR"), model="pooling", effect="individual", data=data) 

utiliser ensuite vcovHC avec l'un des modificateurs. Assurez-vous de vérifier cette paper qui a une bonne revue de tous les mécanismes derrière les options "HC" et la façon dont ils affectent la matrice de covariance de la variance.

Espérons que cela aide.

Answer 2

Par défaut, le package plm n'utilise pas le exact même petite correction d'échantillon pour les données de panneau comme Stata. Cependant dans la version 1.5 de plm (sur CRAN) vous avez une option qui imitera ce que fait Stata.

plm.model<-plm(Y ~ V1 , index=C("ENTITY","YEAR"), model="within", 
    effect="individual", data=data) 
coeftest(plm.model, vcov.=function(x) vcovHC(x, type="sss")) 

Cela devrait produire le même cluster par des erreurs standard du groupe comme dans Stata (mais comme mentionné dans les commentaires, sans exemple reproductible et les résultats que vous attendez est plus difficile de répondre à la question).

Pour plus d'informations sur ce sujet et sur certains points de référence des SE robustes R et Stata, voir Fama-MacBeth and Cluster-Robust (by Firm and Time) Standard Errors in R.

Voir aussi:

• Clustered standard errors in R using plm (with fixed effects)