Stata：聚类调整后的标准误-Cluster-SE

 

杨 鑫 (南京大学)，njuyangxin@smail.nju.edu.cn
秦利宾 (厦门大学)，qlb150@163.com
连玉君 (中山大学)，arlionn@163.com

 

Stata连享会   主页 || 视频 || 推文

扫码查看连享会最新专题、公开课视频和 100 多个码云计量仓库链接。

 

连享会 - Stata 暑期班

线上直播 9 天：2020.7.28-8.7
主讲嘉宾：连玉君 (中山大学) | 江艇 (中国人民大学)
课程主页：https://gitee.com/arlionn/PX | 微信版

 

---

目录

 

1. 引言

标准误在统计推断中发挥着至关重要的作用，直接影响着系数的显著性和置信区间，并最终影响到假设检验的结论。因此，正确地估计标准误在实证分析的过程中显得尤为重要。当干扰项满足「独立同分布 (iid)」 条件时， OLS 所估计的标准误是无偏的。但是当误差项之间存在相关性时，OLS 所估计的标准误是有偏的，不能很好地反映估计系数的真实变异性 (Petersen, 2009)，故需要对标准误进行调整。在多种调整标准误的方式中，「聚类调整标准误 (cluster)」是一种有效的方法 (Petersen, 2009)。

本文主要对聚类调整标准误的原理及其在 Stata 中的具体应用进行简要介绍，包括不同类型的模型中进行「一维聚类调整标准误」和「二维聚类调整标准误」的操作方法。对于该方法更深入的了解，可参考 Petersen (2009)、Thompson (2011)、 Cameron and Miller (2015)、 Abadie et al. (2017) 、Gu and Yoo (2019)等文献。在文章末尾，还对常见的与标准误相关的问题进行了探讨，以便加深对相关内容的理解。

 

2. 认识标准误

2.1 什么是标准误

为了简便，以仅含有一个非随机解释变量，且不含有截距项回归模型为例予以说明，具体如下：

$$y_i=\beta x_i+u_i(1)$$

其中，$i=1,\dots ,N$，$\mathrm{E}\left[u_i\right]=0$。

采用 OLS 方法进行估计，系数的估计量可表示为：

$$\hat{\beta }=\sum _i{x}_i{y}_i/\sum _i{x}_i^2(2)$$

将式 (2) 中的 $y_i$ 用式 (1) 替换，整理得：

$$\hat{\beta }-\beta =\sum _i{x}_i{u}_i/\sum _i{x}_i^2(3)$$

系数方差的一般形式可以表示为：

$$\mathrm{V}[\hat{\beta }]=\mathrm{E}\left[(\hat{\beta }-\beta {)}^2\right]=\mathrm{V}\left[\sum _i{x}_i{u}_i\right]/{\left(\sum _i{x}_i^2\right)}^2(4)$$

若误差项间不相关，则 $\mathrm{V}\left[{\Sigma }_i{x}_i{u}_i\right]$ 可以表示为：

$$\mathrm{V}\left[\sum _i{x}_i{u}_i\right]=\sum _i\mathrm{V}\left[x_i{u}_i\right]=\sum _i{x}_i^2\mathrm{V}\left[u_i\right](5)$$

• 进一步，若「同方差」，则 $\mathrm{V}\left[u_i\right]={\sigma }^2$，式 (4) 可以表示为：

$$\mathrm{V}[\hat{\beta }]={\sigma }^2/\sum _i{x}_i^2(6)$$

• 若「异方差」，由于 $\mathrm{E}\left[u_i\right]=0$，则 $\mathrm{V}\left[u_i\right]=\mathrm{E}\left[u_i^2\right]$，式 (4) 可以表示为：

V [ β ^ ] = ( ∑ i x i 2 E [ u i 2 ] ) / ( ∑ i x i