R：MASS::polr() 中的聚类标准错误

Question

我正在尝试使用

MASS

包的

polr()

函数来估计具有聚类标准误差的序数逻辑回归。没有内置的聚类功能，因此我正在寻找（a）包或（b）手动方法来计算聚类标准误差使用模型输出。我计划使用

margins

包来估计模型的边际效应。

这是一个例子：

library(MASS)
set.seed(1)
obs <- 500

# Create data frame
dat <- data.frame(y = as.factor(round(rnorm(n = obs, mean = 5, sd = 1), 0)),
              x = sample(x = 1:obs, size = obs, replace = T),
              clust = rep(c(1,2), 250))

# Estimate and summarize model
m1 <- MASS::polr(y ~x, data = dat, Hess = TRUE)

summary(m1)

虽然 Stack Overflow 上的许多问题询问如何在 R 中对普通最小二乘模型的标准误差进行聚类（在某些情况下对于逻辑回归），但尚不清楚如何对有序逻辑回归中的误差进行聚类（即比例赔率逻辑回归）回归）。此外，现有的 SO 问题集中在具有其他严重缺点的包上（例如，模型输出的类与用于分析和结果呈现的其他标准包不兼容），而不是使用与

MASS::polr()

兼容的

predict()

。

Answer 1

这本质上是遵循 Achim Zeleis 在包小插图中提供的答案。

library(lmtest)
library("sandwich")

coeftest(m1, vcov=vcovCL(m1, factor(dat$clust) ))

t test of coefficients:

    Estimate Std. Error t value  Pr(>|t|)    
x 0.00093547 0.00023777  3.9343 9.543e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1