堅牢な回帰推論とサンドイッチ推定量

ロバストな回帰推論を実行するためのサンドイッチ推定量の使用例を教えてもらえますか？

の例を見ることができますが、関数から返された分散共分散行列を使用して回帰モデルから得られた（rコード化）から推定およびp値に?sandwichどのように移行できるかがよくわかりません。 lm(a ~ b, data)sandwich

私は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ていないので、どれが最高かわかりません：

1. sandwichパッケージ：

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

しかし、これは私が何らかの理由でスタタから得た同じ答えを私に与えません。私はなぜその理由を考え出そうとしたことがありません、私はこのパッケージを使用しません。

1. rmsパッケージ：私はと仕事への痛みのこのビットを見つけることが、通常はいくつかの努力との良好な答えを得ます。そして、それは私にとって最も便利です。

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

2. 最初からコーディングできます（このブログ投稿を参照）。それは最も苦痛なオプションのように見えますが、非常に簡単であり、このオプションがしばしば最良に機能します。

簡単で簡単な説明は、Huber-WhiteまたはRobust SEがモデルからではなくデータから派生しているため、多くのモデルの仮定に対してロバストであることです。しかし、いつものように、興味があれば、グーグル検索で簡単に詳細がわかります。

強力な回帰を実行するために、別のサマリー関数を使用できます。

lm.object <- lm(a~b+c)
summary(lm.object, robust=TRUE)

堅牢な標準誤差を取得するには、集計関数のパラメーター '' robust ''をTRUEに設定します。

次のブログエントリは、関数と関数の詳細な説明を提供します：https : //economictheoryblog.com/2016/08/08/robust-standard-errors-in-r