IV Schätzung mit Cluster Robusten Standardfehlern mit dem plm-Paket in R

Question

Ich verwende das Plm-Paket für Panel-Daten zur instrumentellen Variablenschätzung. Es scheint jedoch, dass die Berechnung von Cluster-robusten Standardfehlern mithilfe der Funktion vcovHC() nicht unterstützt wird.

Fehler in vcovG.plm (x, type = Typ, cluster = cluster, l = 0, innen => Innen: Genauer gesagt, wenn ich die vcovHC() Funktion zu verwenden, wird die folgende Fehlermeldung ausgegeben ,: nicht verfügbar Verfahren zur IV

. Beispiel:?

data("Wages", package = "plm") 
IV <- plm(lwage ~ south + exp | wks + south, 
     data = Wages, model = "pooling", index = 595) 

vcvIV <- vcovHC(IV) 

nach dieser thread, jemand vor zwei Jahren an einer Lösung gearbeitet gibt es Fortschritte in der Frage weiß ich, dass die packag Es "lfe" und "ivpack" erlauben es, Cluster-robuste Standardfehler für die IV-Schätzung zu berechnen, aber keine von ihnen erlaubt zufällige Effekte/Abschnitte.

Answer 1

In der Tat ist es nicht implementiert. Sie können jedoch Schrimpf's clustered erros function verwenden, das direkt auf ein Objekt der Klasse plm angewendet wird. mit Ihrem Beispiel:

library (plm) 

data("Wages", package = "plm") 

IV <- plm(lwage ~ south + exp | wks + south, data = Wages, model = "pooling", index = 595) 

Wages$id <- rep(1:595, each = 7)   

cl.plm(Wages, IV, Wages$id) 

Wo ich Wages$id als Panel erste Dimension bin mit, um die Cluster gebildet werden. Vielleicht möchten Sie diese Ergebnisse mit denen anderer Software vergleichen. Wie auch immer, der Code ist einfach und erlaubt einige Tricks. Die Funktion cl.plm basiert auf Arais clustering notes, die Ihnen weiterhelfen kann.

Sie können das gleiche Ergebnis von cl.plm tun dies in Stata erhalten:

ivregress 2sls lwage south (exp = wks), vce(cluster id) small 

Oder das innerhalb Modell:

xtset id time, generic 

xtivreg2 lwage south (exp = wks), fe small cluster(id) 

Hinweis aber ich die kleine Probenformulierung in Stata verwendet, das ist Keine große Sache. Mehr dazu here. Wie auch immer, cl.plm behandelt richtig mit dem Klassenobjekt plm.

Der Vollständigkeit halber: Wie von @ Helix123 vorgeschlagen, können Sie die Entwicklungsversion (1.6-1) des plm Pakets verwenden und wie in der Tourfrage fortfahren.