如何创建线性模型输出，并在R中聚集（按行）标准误差

Question

[https://1drv.ms/u/s!ArUNQ8J4vgGqhe8IAVP0ulapoEv4uQ?e=wRMEWN][1]

m1_1 <- lm(ROA ~ fam_ownership + lag_investment + dual_class + age + crisis
           , na.action=na.exclude,
           data) 

m1_2 <- lm(ROA ~ fam_ownership + fam_ownership_squared + lag_investment + dual_class + age+crisis, 
           na.action=na.exclude,
           data)

m1_3 <- lm(ROA ~ fam_ownership + fam_ownership_squared + lag_investment + dual_class + age +crisis
           + as.factor(industry) + +as.factor(year),  na.action=na.exclude,
           data)

m1_4 <- lm(ROA ~ fam_ownership + famfirm50 + lag_investment + dual_class + age+crisis
           + as.factor(industry)+as.factor(year), na.action=na.exclude,
           data) 


stargazer(m1_1,m1_2,m1_3,m1_4, type="html", dep.var.labels=c("ROA"), intercept.bottom = FALSE,
          out="OLS1")

我已经在上面提供了数据框和我的R代码。

我正在尝试在公司级别上对标准错误进行聚类。

公司ID = gvkey

我已经尝试过miceadds package，但是我无法正确执行它。

最后，我想创建一个线性回归输出，其中包括公司一级的聚类标准误差。

非常感谢你！

更新

m1_1 <- lm_robust(ROA ~ fam_ownership + lag_investment + dual_class + age + crisis, clusters = gvkey
           , 
           data) 

m1_2 <- lm_robust(ROA ~ fam_ownership + fam_ownership_squared + lag_investment + dual_class + age+crisis, 
                  clusters = gvkey,
           data)

m1_3 <- lm_robust(ROA ~ fam_ownership + fam_ownership_squared + lag_investment + dual_class + age +crisis
           + as.factor(industry) + +as.factor(year), clusters = gvkey,
           data)

m1_4 <- lm_robust(ROA ~ fam_ownership + famfirm50 + lag_investment + dual_class + age+crisis
           + as.factor(industry)+as.factor(year), clusters = gvkey,
           data) 


stargazer(m1_1,m1_2,m1_3,m1_4, type="html", dep.var.labels=c("ROA"), intercept.bottom = FALSE,
          out="OLS1")

[当我使用lm_robust和stargazer时，出现以下错误：

% Error: Unrecognized object type.
% Error: Unrecognized object type.
% Error: Unrecognized object type.
% Error: Unrecognized object type.

Answer 1

有很多方法可以做到。最简单的方法可能是使用estimatr程序包：将lm()函数与lm_robust()参数一起使用，而不是使用clusters。