Ich verwende die lfe und fixest -Pakete zum Ausführen von Regressionen mit hochdimensionalen festen Effekten. Für diese Regressionen möchte ich die Standardfehler nach mehreren Dimensionen (z. B. Produkt, Ziel und Zeit) gruppieren. Ich bin jedoch verwirrt Informationen zur Syntax und zu den Unterschieden zwischen den Befehlen felm und feols. Wäre das Clustering in den folgenden beiden Modellen gleichwertig?
BEARBEITEN: Ich habe die beiden Modelle ausgeführt und festgestellt, dass m2 größere Standardfehler als m1 aufweist.
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) Kommentare
- Vielleicht versuchen Sie es und sehen? Wenn Sie unterschiedliche Ergebnisse erhalten, bearbeiten Sie diese in Ihrer Frage.
Antwort
Eigentlich gibt es keinen einzigen Weg dazu Berechnen Sie die Standardfehler. Die Art und Weise, wie sie in fixest berechnet werden und wie sie mit lfe verglichen werden, wird in diesem Vignette .
Es gab auch einige ( kleinere ) Fehler in den SEs in der fixest -Version < 0.6.0, wodurch die SEs etwas anders aussehen.
Hier ist ein Vergleich zu Ihrem Beispiel mit Spielzeugdaten:
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