I « m en utilisant lfe et fixest pour exécuter des régressions avec des effets fixes de grande dimension. Pour ces régressions, je voudrais regrouper les erreurs standard selon plusieurs dimensions (par exemple, produit, destination et heure). Cependant, je « m confuse à propos de la syntaxe et de la différence entre les commandes felm et feols. Le clustering dans les deux modèles suivants serait-il équivalent?
EDIT: Jai exécuté les deux modèles et jai constaté que m2 avait des erreurs standard plus importantes que m1.
m1 <- felm(y ~ x1+ x2 | fe1 + fe2|0|product + destination + time, data=df) #with lfe package summary(m1) m2 <- feols(y ~ x1+ x2 | fe1 + fe2, data=df) #with fixest package summary(m2, cluster=~product + destination + time) Commentaires
- Peut-être essayer et voir? Si vous obtenez des résultats différents, modifiez-le dans votre question.
Réponse
En fait, il n’existe pas de méthode unique pour calculer les erreurs standard. La façon dont ils sont calculés dans fixest et leur comparaison avec lfe sont expliqués dans ce vignette .
Il y avait aussi quelques bogues ( mineurs ) dans les SE dans la fixest version < 0.6.0 rendant les SEs légèrement différents.
Voici « une comparaison liée à votre exemple avec des données de jouets:
library(fixest) ; library(lfe) data(trade) est_felm = felm(log(Euros) ~ log(dist_km) | Origin + Destination | 0 | Origin + Destination + Year, trade) est_feols = feols(log(Euros) ~ log(dist_km) | Origin + Destination, trade) # Same SEs but different p-values coeftable(est_felm) #> Estimate Cluster s.e. t value Pr(>|t|) #> log(dist_km) -2.072132 0.1516212 -13.66651 2.525297e-07 coeftable(est_feols, cluster = ~ Origin + Destination + Year) #> Estimate Std. Error t value Pr(>|t|) #> log(dist_km) -2.072132 0.1516212 -13.66651 2.024366e-42 # Same SEs and p-values (t.df is explained in the vignette) coeftable(est_feols, cluster = ~ Origin + Destination + Year, dof = dof(t.df = "min")) #> Estimate Std. Error t value Pr(>|t|) #> log(dist_km) -2.072132 0.1516212 -13.66651 2.525297e-07