lfeとfixestパッケージを使用して、高次元の固定効果で回帰を実行します。これらの回帰では、標準誤差をいくつかの次元（製品、宛先、時間など）でクラスタリングしたいと思います。しかし、混乱しています。構文と、felmコマンドとfeolsコマンドの違いについて説明します。次の2つのモデルのクラスタリングは同等ですか？
編集：2つのモデルを実行したところ、m2の標準誤差がm1よりも大きいことがわかりました。
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) コメント
- 試してみてください。異なる結果が得られた場合は、それを質問に編集してください。
回答
実際には、単一の方法はありません。標準誤差を計算します。 fixestでの計算方法と、lfeとの比較方法については、このビネット。
fixestバージョンivのSEには、いくつかの（マイナー）バグもありました。 id = “b1c8c1ee90″>
0.6.0SEの外観を少し変えます。
ここでは、おもちゃのデータを使用した例に関連する比較を示します。
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