企业层面聚类稳健标准误文献参考.pdfVIP

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

企业层面聚类稳健标准误文献参考

1.问题的提出

常常在文献基准回归表格底下的小字看到聚类稳健标准误,比如

括号中是在省份聚类的稳健标准误或标准误双向聚类在行业和年份

层面等等。那么问题来了,聚类稳健标准误是什么?为什么要用?怎

么用?stata如何操作?

2.为什么和是什么?

对样本做回归分析的核心是使用最小二乘法去估计模型里的参

数,比如核心解释变量前面的系数。我们通过最小二乘法使得残差平

方和最小,求得样本估计系数。如果进行一次估计,由于干扰项e的

存在,估计值与真实值之间一定存在差异。样本估计值与真实值之间

的差别中,误差项起了关键作用。误差项是一个随机变量,每次估计

都会得到不同的差异值。关于样本估计系数性质的讨论,都以误差项

为核心。我们希望样本估计系数特别好,接近真实值,所以必须有良

好的性质,而良好的性质需要有前提条件,也就是一些假设。比如,

我们希望反复抽取多个样本得到多个样本估计系数,之后求平均值就

等于真实系数,即无偏性,那么就需要干扰项e满足均值为零的假设

(反复抽样消除干扰项的影响),就可以使得误差项均值为零,那么

就可以使得样本估计系数的期望等于真实值。

由于每次抽样得到的估计系数都会不同,我们希望知道估计系数

值分布的分散度,或者估计系数平均偏离真实值的程度,或者估计系

数可能的误差范围,或者估计系数的精确程度。如果误差范围越小,

样本估计系数接近真实值的可能性就越大!这个用标准差来衡量,估

计系数的标准差称为系数标准误。或者,更一般的称为某统计量的标

准差的估计值为该统计量的标准误,作为对统计量估计误差的度量。

(ps:此处有人说是统计量的标准差,有人说统计量的标准差的估计

值,因为有时候统计量的标准差能直接求出来,有时候不能直接求出

来就需要估计)

2.1普通标准误——同方差+不相关

当求估计系数的方差的时候,需要求得干扰项的协方差矩阵,其

主对角线上是第i个观测点的干扰项的方差,对角线外的项是第i个

观测点和第j个观测点干扰项的协方差。干扰项协方差矩阵的形式是

决定样本估计系数方差的关键。我们先提出两个假设来简化协方差矩

阵:干扰项同方差假设和干扰项不相关假设。前者的含义是每个观测

点干扰项的方差大小是相同的,后者的含义是不同观测点干扰项是不

相关的。两种合起来的本质就是每个观测点的干扰项是从独立同分布

中产生的。这时候协方差矩阵就变得很简单,主对角线数值相同,主

对角线以外是零。但是还有一个问题,里面有干扰项的方差,这是未

知的,只能估计,需要利用样本残差值去估计。最终就能得到同方差

和不相关假设下的ols系数估计值方差的估计量,开根号,然后就可

以得到系数标准误差的估计量。这就是求得了系数估计值的标准误。

2.2异方差稳健标准误:异方差+不相关

现实中,会出现异方差的问题,即每个观测点的干扰项方差是不

相等的,但是还是干扰项不相关。这意味着每个点的干扰项是从独立

但是不相同的分布中产生的。这时候不影响估计系数的无偏性和一致

性,但是标准误不能再按照之前的求法了,否则就会影响我们对系数

估计值和真实值之间误差范围的判断,也就是说误差范围求的不准了。

这时候就需要找到在异方差情况下正确的ols系数估计量方差。即求

异方差稳健标准误。

这时候干扰项的协方差矩阵是对角矩阵,主对角线上不同观测点

的方差可以是不同值,主对角线之外还是零。这时候计算的难点在于

异方差矩阵包含了N个参数,即每个观测点的干扰项e都有自己的方

差,但样本的每个观测点只能得到一个残差值。N个残差值无法提供

足够的信息估计出N个方差。White指出在大样本下,只需要将干扰

项协方差矩阵中的方差用对应的样本残差值替代即可。得到系数估计

值方差的估计量,开根号,就可以得到异方差稳健标准误。

2.3聚类稳健标准误

2.31异方差+自相关

当出现自相关时,即不同观测点的干扰项是相关的。常见于时间

序列数据。通常自相关伴随着异方差。这意味着每个观测点的干扰项

是从相关并不相同的分布中产生的。

此时干扰项的协方差矩阵主对角线是不同的,对角线外也不为零。

这时候估计方法是用相应的样本残差平方替代方差,样本残差乘积替

代协方差。

2.32聚类稳健标准误:异方差+组内相关+组间不相关

当出现同一个类别内的干扰项相关,不同类别间的干扰项不相关,

同时存在异

文档评论(0)

195****0814 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档