我正在使用 lfe-package 估计一个具有固定效应和聚类标准误差的模型。
事实证明，我有一个很大的 t 值 (23.317)，但只有一个相对较小的 p 值 (0.0273)。这似乎与我使用固定效果的投影有关。当我手动估计固定效应作为控制变量时，我的 p 值太小而无法报告 <2e-16 。
考虑以下工作示例(如果它比绝对必要的更复杂，我很抱歉，我正在尝试接近我的应用程序)：
我只是在 50 个周期内估计 10 个时间序列的合并面板估计器。我假设时间序列中有两个集群。
library(data.table)
library(lfe)
x <- rnorm(50, mean = 1, sd = 1)
common_shock <- rnorm(50, mean = 0, sd = 1)
y1 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y2 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y3 = 0.5 + 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y4 = 0.5+ 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y5 = 0.5+ 5*x + rnorm(50, mean = 0, sd = 2) + common_shock
y6 = x + rnorm(50, mean = 0, sd = 2)
y7 = x + rnorm(50, mean = 0, sd = 2)
y8 = x + rnorm(50, mean = 0, sd = 2)
y9 = x + rnorm(50, mean = 0, sd = 2)
y10 = x + rnorm(50, mean = 0, sd = 2)
DT <- data.table(periods = 1:50, y1, y2, y3, y4, y5, y6, y7, y8, y9, y10)
Controls <- data.table(periods = 1:50, x)
indicators <- data.table(y_label = paste0("y", 1:10),
indicator = c(1, 1, 1, 1, 1, 0, 0, 0, 0, 0))
DT <- melt(DT, id.vars= c("periods"))
DT <- merge(DT, Controls, by="periods", all = TRUE)
DT <- merge(DT, indicators, by.x="variable", by.y="y_label", all = TRUE)
results <- felm(as.formula("value ~ -1 + indicator + x:indicator | periods | 0 | periods + indicator"), data = DT)
results2 <- felm(as.formula("value ~ -1 + indicator + x:indicator + as.factor(periods) | 0 | 0 | periods + indicator"), data = DT)
summary(results)
summary(results2)
第一个结果给了我
指标：x 3.8625 0.1657 23.317 0.0273 *
第二个结果2给我
指标：x 3.86252 0.20133 19.185 <2E-16 ***
所以它一定与固定效果的投影有关，但这种差异是如此之大，以至于我想更多地了解它。有人知道这里的根本问题是什么吗？
您正在尝试调整标准错误，以便在二进制"indicator"上进行聚类。
table(DT$indicator)
# 0 1
# 250 250
换句话说，您只有两个集群。您的第一个"results"似乎是"正确的"，因为它们给出了正确的1自由度。
(df1 <- results$df)
# [1] 1
而"results2"有448自由度。
(df2 <- results2$df)
# [1] 448
当我们计算每手牌的 p 值时，我们可能会使用一个自由度(因为它应该只有两个聚类)复制您的第一个结果，您的第二个自由度为 448 个。
PV <- function(x, df) 2 * pt(-abs(x), df=df)
r1 <- summary(results)$coe
t1 <- r1[grep("indicator:x", rownames(r1)), "t value"]
PV(t1, df1)
# [1] 0.02937402
r2 <- summary(results2)$coe
t2 <- r2[grep("indicator:x", rownames(r2)), "t value"]
PV(t2, df2)
# [1] 2.371641e-55
似乎felm不能将factor变量作为固定效应来处理，因为它的标准符号是 y ~ x1 +x2 | f1 + f2 |(问|宽 ~ x3+x4) |CLU1 + CLU2。
请注意，即使将第一个结果调整到自由度，它也不是"正确的"。只有两个集群对我来说没有多大意义，也许你可能想过度思考你的模型。无论如何，如果你的集群少于~50个，你应该使用类似野生集群引导方法的东西(参见Cameron和Miller，2015)。
数据：
我用你的数据set.seed(42).