আমি স্ট্যান্ডার্ড ত্রুটি "ক্লাস্টারিং" এবং কীভাবে আর তে চালিত করব তা বোঝার চেষ্টা করছি (এটি স্ট্যাটায় তুচ্ছ)। আরআই তে হয় ব্যবহার করে plmবা আমার নিজস্ব ফাংশন লিখতে ব্যর্থ হয়েছে । আমি প্যাকেজ diamondsথেকে ডেটা ব্যবহার করব ggplot2।
আমি ডামি ভেরিয়েবলগুলির সাথে স্থির প্রভাবগুলি করতে পারি
> library(plyr)
> library(ggplot2)
> library(lmtest)
> library(sandwich)
> # with dummies to create fixed effects
> fe.lsdv <- lm(price ~ carat + factor(cut) + 0, data = diamonds)
> ct.lsdv <- coeftest(fe.lsdv, vcov. = vcovHC)
> ct.lsdv
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
carat 7871.082 24.892 316.207 < 2.2e-16 ***
factor(cut)Fair -3875.470 51.190 -75.707 < 2.2e-16 ***
factor(cut)Good -2755.138 26.570 -103.692 < 2.2e-16 ***
factor(cut)Very Good -2365.334 20.548 -115.111 < 2.2e-16 ***
factor(cut)Premium -2436.393 21.172 -115.075 < 2.2e-16 ***
factor(cut)Ideal -2074.546 16.092 -128.920 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
বা বাম- এবং ডান হাত উভয় ডি-অর্থ দ্বারা (এখানে কোনও সময় আক্রমণকারী রেজিস্ট্রার নেই) এবং স্বাধীনতার ডিগ্রি সংশোধন করে।
> # by demeaning with degrees of freedom correction
> diamonds <- ddply(diamonds, .(cut), transform, price.dm = price - mean(price), carat.dm = carat .... [TRUNCATED]
> fe.dm <- lm(price.dm ~ carat.dm + 0, data = diamonds)
> ct.dm <- coeftest(fe.dm, vcov. = vcovHC, df = nrow(diamonds) - 1 - 5)
> ct.dm
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
carat.dm 7871.082 24.888 316.26 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
আমি এই ফলাফলগুলি এর সাথে প্রতিলিপি করতে পারি না plm, কারণ আমার কাছে "সময়" সূচক নেই (অর্থাত্ এটি সত্যিকার অর্থে কোনও প্যানেল নয়, কেবল ক্লাস্টারগুলির যাতে তাদের ত্রুটির শর্তে একটি সাধারণ পক্ষপাত থাকতে পারে)।
> plm.temp <- plm(price ~ carat, data = diamonds, index = "cut")
duplicate couples (time-id)
Error in pdim.default(index[[1]], index[[2]]) :
আমি স্টাটা তাদের clusterবিকল্পের ব্যাখ্যাটি ( এখানে ব্যাখ্যা করেছেন ) ক্লাস্টার স্ট্যান্ডার্ড ত্রুটির সাথে আমার নিজস্ব কোভারিয়েন্স ম্যাট্রিক্সও কোড করার চেষ্টা করেছি , যা যেখানে , Si ক্লাস্টার সংখ্যা, অবশিষ্ট নেই জন্য পর্যবেক্ষণ ও ধ্রুবক সহ ভবিষ্যতবক্তা, সারি ভেক্টর আছে (এই Wooldridge এর সমীকরণ (7.22) হিসাবে প্রদর্শিত হবে ক্রস সেকশন এবং প্যানেল ডেটাUঞ=Σগঠতোমার দর্শন লগ করাগুলিটনইদঞইআমি*xআমিএনগইআমিআমিটিজ
plmএকটি ফ্যাক্টারে ক্লাস্টার করতে পারব না তা প্রদত্ত, আমি আমার কোডটি কীভাবে বেনমার্ক করব তা নিশ্চিত নই।
> # with cluster robust se
> lm.temp <- lm(price ~ carat + factor(cut) + 0, data = diamonds)
>
> # using the model that Stata uses
> stata.clustering <- function(x, clu, res) {
+ x <- as.matrix(x)
+ clu <- as.vector(clu)
+ res <- as.vector(res)
+ fac <- unique(clu)
+ num.fac <- length(fac)
+ num.reg <- ncol(x)
+ u <- matrix(NA, nrow = num.fac, ncol = num.reg)
+ meat <- matrix(NA, nrow = num.reg, ncol = num.reg)
+
+ # outer terms (X'X)^-1
+ outer <- solve(t(x) %*% x)
+
+ # inner term sum_j u_j'u_j where u_j = sum_i e_i * x_i
+ for (i in seq(num.fac)) {
+ index.loop <- clu == fac[i]
+ res.loop <- res[index.loop]
+ x.loop <- x[clu == fac[i], ]
+ u[i, ] <- as.vector(colSums(res.loop * x.loop))
+ }
+ inner <- t(u) %*% u
+
+ #
+ V <- outer %*% inner %*% outer
+ return(V)
+ }
> x.temp <- data.frame(const = 1, diamonds[, "carat"])
> summary(lm.temp)
Call:
lm(formula = price ~ carat + factor(cut) + 0, data = diamonds)
Residuals:
Min 1Q Median 3Q Max
-17540.7 -791.6 -37.6 522.1 12721.4
Coefficients:
Estimate Std. Error t value Pr(>|t|)
carat 7871.08 13.98 563.0 <2e-16 ***
factor(cut)Fair -3875.47 40.41 -95.9 <2e-16 ***
factor(cut)Good -2755.14 24.63 -111.9 <2e-16 ***
factor(cut)Very Good -2365.33 17.78 -133.0 <2e-16 ***
factor(cut)Premium -2436.39 17.92 -136.0 <2e-16 ***
factor(cut)Ideal -2074.55 14.23 -145.8 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1511 on 53934 degrees of freedom
Multiple R-squared: 0.9272, Adjusted R-squared: 0.9272
F-statistic: 1.145e+05 on 6 and 53934 DF, p-value: < 2.2e-16
> stata.clustering(x = x.temp, clu = diamonds$cut, res = lm.temp$residuals)
const diamonds....carat..
const 11352.64 -14227.44
diamonds....carat.. -14227.44 17830.22
এটি কি আর-তে করা যায়? এটি ইকোনোমেট্রিক্সে মোটামুটি সাধারণ কৌশল ( এই বক্তৃতায় একটি সংক্ষিপ্ত টিউটোরিয়াল আছে ), তবে আমি আর এটিকে বুঝতে পারি না Thanks ধন্যবাদ!
clusterবিকল্পটি ব্যাখ্যা করা গেলে এটি অনেক সাহায্য করবে । আমি নিশ্চিত যে আর
factorসাথে কিছুই করার নেই factanalতবে শ্রেণিবদ্ধ ভেরিয়েবলগুলি উল্লেখ করে। তবে আর-এ ক্লাস্টারটি ক্লাস্টার বিশ্লেষণকে বোঝায়, কে- মানেগুলি কেবলমাত্র পার্টিশন পদ্ধতি: স্টেটমেডথস.নেট / অ্যাডভিস্ট্যাটস / ক্লসটার হিটটিএমএল । আমি আপনার প্রশ্নটি পাই না, তবে আমি এটিও অনুমান করি যে এটির সাথে ক্লাস্টারের কোনও সম্পর্ক নেই।