vcovHC、vcovHAC、NeweyWest –使用する関数はどれですか？

lm（）ベースのモデルを更新して、正しい標準エラーとテストを取得しようとしています。どのVCマトリックスを使用するか本当に混乱しています。sandwichパッケージの提供vcovHC、vcovHACおよびNeweyWest。前者は異分散性のみを考慮しますが、後者2つは系列相関と異分散性の両方を考慮します。しかし、ドキュメントには後者の2つの違いについてはあまり説明されていません（少なくとも私にはわかりません）。関数自体を見ると、NeweyWestが実際にvcovHACを呼び出していることがわかりました。

経験的結果coeftest(mymodel, vcov. = vcovHAC)とはcoeftest(mymodel, vcov. = NeweyWest)異なる怒っています。vcovHACナイーブlmの結果に多少近いものの、NeweyWestを使用すると、すべての係数は重要ではなくなります（テストは1に近くても）。

regression time-series neweywest

— hans0l0
ソース

通常、Rヘルプページは記事へのリンクを提供します。正確な詳細は通常そこにあります。たとえばZeileisの記事は無料で入手でき、豊富な情報が含まれています。

— mpiktas 2011

Zeileisの記事では、vcovHACとの違いについて具体的に説明していNeweyWestます。要約すると、異なるHACメソッドは、重みの選択のみが異なります。NeweyWest指定された重みがvcovHACあり、独自の重みを指定できる一般的な関数であり、デフォルトではアンドリュースの重みを使用します。

— mpiktas 2011

@mpiktas：要約のthx。重みを指定していないため、それぞれのデフォルトの重みを使用する必要があります。わかったので、質問をもう一度言い直す必要があります。なぜvcovHACとNeweyWestのデフォルトの重みが異なると、そのような大きな違いが生じ、重みを決定するのですか？STATAや他のパッケージが使用する重みを知っていますか？

— hans0l0 2011

x_{t} u_{t}

$x_tu_t$

x_{t}

$x_t$

u_{t}

$u_t$

問題の「サンドイッチ」は、観測された情報によって定義された肉を囲む期待される情報によって定義された2つのパンです。こことここに私のコメントを参照してください。線形回帰の場合、推定方程式は次のとおりです。

U （ β ） = {バツ}^{T} （ Y - {バツ}^{T} β ）

$U(\beta) = \mathbf{X}^T\left(Y - \mathbf{X}^T\beta\right)$

予想される情報（パン）は次のとおりです。

あ = \frac{\partial U （ β ）}{\partial β} = - （ {バツ}^{T} バツ ）

$A = \frac{\partial U(\beta)}{\partial \beta} = -(\mathbf{X}^T\mathbf{X})$

観測された情報（肉）は次のとおりです。

B = E （ U （ β ） U （ β ）^{T} ） = {バツ}^{T} （ Y - {バツ}^{T} β ） （ Y - {バツ}^{T} β ）^{T} バツ

$B = E(U(\beta)U(\beta)^T) = \mathbf{X}^T(Y-\mathbf{X}^T\beta)(Y-\mathbf{X}^T\beta)^T\mathbf{X}$

$A^{-1}BA^{-1}$ $\sigma^2 \left(\mathbf{X}^T\mathbf{X}\right)^{-1}$ $\sigma^2$ $n \times n$

R = （ Y - {バツ}^{T} β ） （ Y - {バツ}^{T} β ）

$R = (Y-\mathbf{X}^T\beta)(Y-\mathbf{X}^T\beta)$

vcovHC $R$

R_{私 私} = （ Y_{私} - β {バツ}_{私 。} ）^{2} 、 0 他の場所

$R_{ii} = (Y_i - \beta \mathbf{X}_{I.})^2, \quad 0\text{ elsewhere}$

この推定量は、小さなサンプル（40未満がしばしば主張されている）を除いて、本当にうまく機能します。HC1-3は、さまざまな有限サンプル修正です。HC3は一般的に最高のパフォーマンスを発揮します。

$T$ geegee代わりに、AR-1または類似の共分散構造を指定するパッケージ。

どちらを使用するかは、データ分析の性質と科学的質問によって異なります。これは複数のテストの問題であるため、すべてのタイプをフィッティングし、最もよく見えるタイプを選択することはお勧めしません。前に触れたように、vcovHC推定量は自己回帰効果が存在する場合でも一貫しているため、さまざまな状況で「有効独立相関モデル」を使用して正当化できます。

— アダモ
ソース