RでStataの「堅牢な」オプションを複製する

robustR のStataオプションの結果を複製しようとしています。MASSパッケージrlmのコマンドlmrobとパッケージ「robustbase」のコマンドを使用しました。どちらの場合も、結果はStataの「堅牢な」オプションとはまったく異なります。誰でもこの文脈で何かを提案できますか？

Stataで堅牢なオプションを実行したときに得られた結果は次のとおりです。

. reg yb7 buildsqb7 no_bed no_bath rain_harv swim_pl pr_terrace, robust

Linear regression                                      Number of obs =    4451
                                                       F(  6,  4444) =  101.12
                                                       Prob > F      =  0.0000
                                                       R-squared     =  0.3682
                                                       Root MSE      =   .5721

------------------------------------------------------------------------------
             |               Robust
         yb7 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   buildsqb7 |   .0046285   .0026486     1.75   0.081    -.0005639     .009821
      no_bed |   .3633841   .0684804     5.31   0.000     .2291284    .4976398
     no_bath |   .0832654   .0706737     1.18   0.239    -.0552904    .2218211
   rain_harv |   .3337906   .0395113     8.45   0.000     .2563289    .4112524
     swim_pl |   .1627587   .0601765     2.70   0.007     .0447829    .2807346
  pr_terrace |   .0032754   .0178881     0.18   0.855    -.0317941    .0383449
       _cons |   13.68136   .0827174   165.40   0.000     13.51919    13.84353

そして、これは私がRでlmrobオプションで取得したものです：

> modelb7<-lmrob(yb7~Buildsqb7+No_Bed+Rain_Harv+Swim_Pl+Gym+Pr_Terrace, data<-bang7)
> summary(modelb7)

Call:
lmrob(formula = yb7 ~ Buildsqb7 + No_Bed + Rain_Harv + Swim_Pl + Gym + Pr_Terrace, 
    data = data <- bang7)
 \--> method = "MM"
Residuals:
      Min        1Q    Median        3Q       Max 
-51.03802  -0.12240   0.02088   0.18199   8.96699 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 12.648261   0.055078 229.641   <2e-16 ***
Buildsqb7    0.060857   0.002050  29.693   <2e-16 ***
No_Bed       0.005629   0.019797   0.284   0.7762    
Rain_Harv    0.230816   0.018290  12.620   <2e-16 ***
Swim_Pl      0.065199   0.028121   2.319   0.0205 *  
Gym          0.023024   0.014655   1.571   0.1162    
Pr_Terrace   0.015045   0.013951   1.078   0.2809    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Robust residual standard error: 0.1678 
Multiple R-squared:  0.8062,    Adjusted R-squared:  0.8059 

チャールズは彼の答えにほぼありrobustますが、regressStata のコマンド（および他の回帰推定コマンド）のオプションによりcoeftest、lmtestパッケージ内の関数のように、複数のタイプの不均一分散および自己相関ロバスト分散共分散行列推定器を使用できますturnはvcovHC、sandwichパッケージ内の関数によって生成されるそれぞれの分散共分散行列に依存します。

しかし、2で使用されるデフォルトの分散共分散行列は異なります
によって返さ1.デフォルトの分散共分散行列はvcocHC、いわゆるいるHC3のmanページで説明する理由のためにvcovHC。
2. sandwichCharlesがcoeftest使用するオプションは、HC0堅牢な分散共分散行列を使用します。
3. robust呼び出しでオプションを使用するStataのデフォルトの動作を再現するには、堅牢な分散共分散行列の使用regressを要求vcovHCする必要がありますHC1。

詳細はこちらをご覧ください。

上記のすべてのポイントを示す次の例は、ここの例に基づいています。

library(foreign)
library(sandwich)
library(lmtest)

dfAPI = read.dta("http://www.ats.ucla.edu/stat/stata/webbooks/reg/elemapi2.dta")
lmAPI = lm(api00 ~ acs_k3 + acs_46 + full + enroll, data= dfAPI)
summary(lmAPI)                                  # non-robust

# check that "sandwich" returns HC0
coeftest(lmAPI, vcov = sandwich)                # robust; sandwich
coeftest(lmAPI, vcov = vcovHC(lmAPI, "HC0"))    # robust; HC0 

# check that the default robust var-cov matrix is HC3
coeftest(lmAPI, vcov = vcovHC(lmAPI))           # robust; HC3 
coeftest(lmAPI, vcov = vcovHC(lmAPI, "HC3"))    # robust; HC3 (default)

# reproduce the Stata default
coeftest(lmAPI, vcov = vcovHC(lmAPI, "HC1"))    # robust; HC1 (Stata default)

上記のコードの最後の行は、Stataからの結果を再現します。

use http://www.ats.ucla.edu/stat/stata/webbooks/reg/elemapi2
regress api00 acs_k3 acs_46 full enroll, robust

RのStataの「堅牢な」オプションを複製した以下のWebサイトで説明を見つけました。

https://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r

指示に従って、必要なことは、Rセッションに関数をロードし、サマリー関数のパラメーター「robust」をTRUEに設定することだけです。

summary(lm.object, robust=TRUE)

2018年4月の時点で私はあなたがしたいと考えているestimatrパッケージの代替で近くにあるドロップを提供し、lm。ドキュメントからほぼ引き出されたいくつかの例：

library(estimatr)
library(car)

# HC1 robust standard errors
model <- lm_robust(GPA_year2 ~ gpa0 + ssp, data = alo_star_men,
                   se_type = "stata")
summary(model)
#> 
#> Call:
#> lm_robust(formula = GPA_year2 ~ gpa0 + ssp, data = alo_star_men, 
#>     se_type = "stata")
#> 
#> Standard error type:  HC1 
#> 
#> Coefficients:
#>             Estimate Std. Error  Pr(>|t|) CI Lower CI Upper  DF
#> (Intercept) -3.60625    1.60084 0.0258665 -6.77180  -0.4407 137
#> gpa0         0.06814    0.02024 0.0009868  0.02812   0.1082 137
#> ssp          0.31917    0.18202 0.0817589 -0.04077   0.6791 137
#> 
#> Multiple R-squared:  0.09262 ,   Adjusted R-squared:  0.07937 
#> F-statistic: 6.992 on 2 and 137 DF,  p-value: 0.001284

# HC1 cluster robust standard errors
model2 <- lm_robust(GPA_year2 ~ gpa0 + ssp, cluster = ssp,
                   data = alo_star_men, se_type = "stata")
summary(model2)
#> 
#> Call:
#> lm_robust(formula = GPA_year2 ~ gpa0 + ssp, data = alo_star_men, 
#>     clusters = ssp, se_type = "stata")
#> 
#> Standard error type:  stata 
#> 
#> Coefficients:
#>             Estimate Std. Error Pr(>|t|) CI Lower CI Upper DF
#> (Intercept) -3.60625   1.433195 0.240821 -21.8167  14.6042  1
#> gpa0         0.06814   0.018122 0.165482  -0.1621   0.2984  1
#> ssp          0.31917   0.004768 0.009509   0.2586   0.3798  1
#> 
#> Multiple R-squared:  0.09262 ,   Adjusted R-squared:  0.07937 
#> F-statistic: 6.992 on 2 and 137 DF,  p-value: 0.001284

このcarパッケージにより、これらのモデルのオムニバス仮説テストを簡単に実行できます。

linearHypothesis(model, c("gpa0 = ssp"))
#> Linear hypothesis test
#> 
#> Hypothesis:
#> gpa0 - ssp = 0
#> 
#> Model 1: restricted model
#> Model 2: GPA_year2 ~ gpa0 + ssp
#> 
#>   Res.Df Df  Chisq Pr(>Chisq)
#> 1    138                     
#> 2    137  1 1.8859     0.1697

質問を編集します。堅牢な回帰とStataの堅牢なコマンドを混同しています。この混乱を導入してもメリットはないようです。

いくつかのアプローチがあると思います。私はそれらすべてを見たことがなく、どれがベストかわからない：

サンドイッチパッケージ：

library(sandwich)    
coeftest(model, vcov=sandwich)

しかし、これは何らかの理由でStataから得たのと同じ答えを私に与えません。理由を解明しようとしたことはありませんが、上記のコメントに提案された答えがあります-私はこのパッケージを使用していません。

rmsパッケージ：

私はこれを扱うのに少し苦痛を感じますが、通常はいくらかの努力で良い答えを得ます。そして、それは私にとって最も有用です。

model = ols(a~b, x=TRUE)    
robcov(model)

最初からコーディングできます

このブログ投稿（http://thetarzan.wordpress.com/2011/05/28/heteroskedasticity-robust-and-clustered-standard-errors-in-r/）を参照してください。最も痛いオプションのように見えますが、非常に簡単であり、このオプションが最適に機能することがよくあります。