В R, как я могу рассчитать устойчивые стандартные ошибки, используя vcovHC(), когда некоторые коэффициенты отбрасываются из-за особенностей? Стандартная функция lm, по-видимому, делает мелкие вычисления стандартных стандартных ошибок для всех фактически оцененных коэффициентов, но vcovHC() выдает ошибку: «Ошибка в хлебе.% *% Мяса.: Несоответствующие аргументы».R вычислять надежные стандартные ошибки (vcovHC) для модели lm с особенностями
(Фактические данные, которые я использую, несколько сложнее. Фактически, это модель, использующая два разных фиксированных эффекта, и я сталкиваюсь с локальными особенностями, от которых я не могу просто избавиться. По крайней мере, я не знаю как. Для двух фиксированных эффектов я использую первый коэффициент, имеющий 150 уровней, второй - 142 уровня, и в общей сложности 9 сингулярностей являются результатом того, что данные были собраны в десять блоков.)
Здесь мой выход:
Call:
lm(formula = one ~ two + three + Jan + Feb + Mar + Apr + May +
Jun + Jul + Aug + Sep + Oct + Nov + Dec, data = dat)
Residuals:
Min 1Q Median 3Q Max
-130.12 -60.95 0.08 61.05 137.35
Coefficients: (1 not defined because of singularities)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1169.74313 57.36807 20.390 <2e-16 ***
two -0.07963 0.06720 -1.185 0.237
three -0.04053 0.06686 -0.606 0.545
Jan 8.10336 22.05552 0.367 0.714
Feb 0.44025 22.11275 0.020 0.984
Mar 19.65066 22.02454 0.892 0.373
Apr -13.19779 22.02886 -0.599 0.550
May 15.39534 22.10445 0.696 0.487
Jun -12.50227 22.07013 -0.566 0.572
Jul -20.58648 22.06772 -0.933 0.352
Aug -0.72223 22.36923 -0.032 0.974
Sep 12.42204 22.09296 0.562 0.574
Oct 25.14836 22.04324 1.141 0.255
Nov 18.13337 22.08717 0.821 0.413
Dec NA NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 69.63 on 226 degrees of freedom
Multiple R-squared: 0.04878, Adjusted R-squared: -0.005939
F-statistic: 0.8914 on 13 and 226 DF, p-value: 0.5629
> model$se <- vcovHC(model)
Error in bread. %*% meat. : non-conformable arguments
Вот минимальный код, снятый для воспроизведения ошибки.
library(sandwich)
set.seed(101)
dat<-data.frame(one=c(sample(1000:1239)),
two=c(sample(200:439)),
three=c(sample(600:839)),
Jan=c(rep(1,20),rep(0,220)),
Feb=c(rep(0,20),rep(1,20),rep(0,200)),
Mar=c(rep(0,40),rep(1,20),rep(0,180)),
Apr=c(rep(0,60),rep(1,20),rep(0,160)),
May=c(rep(0,80),rep(1,20),rep(0,140)),
Jun=c(rep(0,100),rep(1,20),rep(0,120)),
Jul=c(rep(0,120),rep(1,20),rep(0,100)),
Aug=c(rep(0,140),rep(1,20),rep(0,80)),
Sep=c(rep(0,160),rep(1,20),rep(0,60)),
Oct=c(rep(0,180),rep(1,20),rep(0,40)),
Nov=c(rep(0,200),rep(1,20),rep(0,20)),
Dec=c(rep(0,220),rep(1,20)))
model <- lm(one ~ two + three + Jan + Feb + Mar + Apr + May + Jun + Jul + Aug + Sep + Oct + Nov + Dec, data=dat)
summary(model)
model$se <- vcovHC(model)
Ваш код работает. Вы можете явно удалить один из месяцев (или перехват) из модели, чтобы избежать сингулярности. –
К сожалению, моя точка зрения: я не могу удалить сингулярность. Это простой пример набора данных, который я опубликовал. В этом наборе данных я согласен: вы могли бы просто удалить Dec из регрессии, тем самым избавившись от сингулярности, а затем vcovHC() будет работать. В моих фактических данных это немного сложнее, когда сингулярность проистекает из двух фиксированных эффектов со многими уровнями (150 и 142 соответственно). Я не нашел способ избавиться от особенностей в этих данных. – Chris
@ Крис: Вы все еще получаете эту ошибку? После изменения 'Dec' на' c (rep (0,240)) ', чтобы вызвать сингулярность, вызов' vcovHC (model) 'преуспевает без ошибки, которую вы замечаете. В журнале изменений для сандвича 2.2-9: модели lm/mlm/glm с параметрами с псевдонимом были обработаны неправильно (что приводит к ошибкам в сэндвич/vcovHC и т. Д.), Исправлено сейчас. Возможно, это исправлено? – jthetzel