聚类标准误（cluster standard errors）是什么，什么情况下需要聚类，控制了固定效应（fixed effect）还需要聚类吗？

Cluster standard errors又称 or Liang-Zeger standard errors。

1. Intuition-一个经典的例子

 如果想考察一项新的教学方式，如引入课堂投影仪对学生成绩的影响。将全国的学校分为实验组和控制组，实验组的班级里老师开始使用投影仪，而控制组则未使用。当使用计量模型分析引入投影仪对学生成绩的影响时，我们可能保留student-level的数据，核心解释变量就是是否引入投影仪，同时控制student-level的其他characteristics，如智商、家庭收入等。此时，在估计系数时，会发现classic或者heteroscedasticity-robust standard error均不合适，因为在同一个班级内，学生成绩并非独立分布的。例如，一个班级的教师水平更高的话，可能该班级的学生的成绩整体更高。因而可以在class-level进行cluster standard errors。（有一个疑问，这里和直接控制class fixed effect的区别是什么？） 

2. 数学推导

 

3. 什么时候选择cluster standard errors