我目前正在学习R。我以前没有关于Stata的知识。 我想重新分析一项在Stata中进行的研究（XTPCSE线性回归，具有面板校正的标准误差）。我找不到Stata中的模型或更详细的代码，或任何其他提示如何在R中重写R。

Question

https：//umdrive.memphis.edu/rblanton/public/isq_data

---STATA---
Group variable:   c_code                        Number of obs      =       265
Time variable:    year                          Number of groups   =        27
Panels:           correlated (unbalanced)       Obs per group: min =         3
Autocorrelation:  common AR(1)                                 avg =  9.814815
Sigma computed by pairwise selection                           max =        14
Estimated covariances      =       378          R-squared          =    0.8604
Estimated autocorrelations =         1          Wald chi2(11)      =   8321.15
Estimated coefficients     =        15          Prob > chi2        =    0.0000

------------------------------------------------------------------------------
             |           Panel-corrected
        food |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    lag_food |   .8449038    .062589    13.50   0.000     .7222316     .967576
        ciri |   -.010843   .0222419    -0.49   0.626    -.0544364    .0327504
   human_cap |   .0398406   .0142954     2.79   0.005     .0118222    .0678591
  worker_rts |  -.1132705   .0917999    -1.23   0.217    -.2931951     .066654
    polity_4 |   .0113995    .014002     0.81   0.416    -.0160439    .0388429
 market_size |   .0322474   .0696538     0.46   0.643    -.1042716    .1687665
      income |   .0382918   .0979499     0.39   0.696    -.1536865    .2302701
 econ_growth |   .0145589   .0105009     1.39   0.166    -.0060224    .0351402
   log_trade |  -.3062828   .1039597    -2.95   0.003    -.5100401   -.1025256
  fix_dollar |  -.0351874   .1129316    -0.31   0.755    -.2565293    .1861545
    fixed_xr |  -.4941214   .2059608    -2.40   0.016     -.897797   -.0904457
    xr_fluct |   .0019044   .0106668     0.18   0.858    -.0190021    .0228109
  lab_growth |   .0396278   .0277936     1.43   0.154    -.0148466    .0941022
     english |  -.1594438   .1963916    -0.81   0.417    -.5443641    .2254766
       _cons |   .4179213   1.656229     0.25   0.801    -2.828227     3.66407
-------------+----------------------------------------------------------------
         rho |   .0819359
------------------------------------------------------------------------------

. xtpcse fab_metal lag_fab_metal ciri human_cap worker_rts polity_4 market
> income econ_growth log_trade fix_dollar fixed_xr xr_fluct lab_growth
> english, pairwise corr(ar1)

###更新： 我只是尝试了文森特的代码。我尝试了PCSE2和VCOVBK代码，它们都起作用（即使我不确定该如何处理来自VCOVBK的相关矩阵）。

，但是，我仍然有麻烦，重现了我重新分析的论文中回归系数的估计值。我正在尽可能地遵循他们的食谱，我认为我缺少的唯一一步是在Stata“自相关：常见AR（1）”中完成的部分。我正在分析的论文说：“使用面板校正的标准错误（Beck/Katz '95）的OLS回归，控制每个面板内一阶相关的控制（Stata中的Corr AR1选项）。”

我如何控制r？中每个面板中的一阶相关 我到目前为止在数据上所做的事情：

## run lm 
res.lm <- lm(total_FDI ~ ciri + human_cap + worker_rts + polity_4 + lag_total + market_size + income + econ_growth + log_trade + fixed_xr + fix_dollar + xr_fluct + english + lab_growth, data=D)
## run pcse
res.pcse <- pcse2(res.lm,groupN="c_code",groupT="year",pairwise=TRUE)

当Ramnath提到，

PCSE软件包将执行Stata的工作。另外，您可以使用

PLM软件包中的

xtpcse

函数。

如果选择后一个选项，请确保使用

vcovBK()

选项，这是Beck＆Katz（1995）文章建议的内容以及Stata命令工具。

软件包运行良好，但是有些问题使许多直观的用户输入无法接受，尤其是当您的数据集不平衡的情况下。您可能需要尝试此前我编码的功能的重写。只需加载

cluster='time'

Answer 1

pcse

函数，然后按照PCSE文档中的说明来使用它。恕我直言，下面粘贴的功能比pcse人们提供的功能更干净，更灵活，更健壮。 简单的基准也表明，我的版本可能比它们的版本快5到10倍，这对大数据集可能很重要。

运气好！

pcse2

看

PCSE软件包

，该软件包考虑了面板校正标准错误。当然，您必须查看Stata中的文档，以找出所做的假设，然后与PCSE进行交叉检查。