tglmer 是否在个体级别上对标准误差进行聚类？

Question

我是实验经济学M1的学生。我正在努力使用

glmer

模型，因为我不知道 R 函数是否对标准误差进行聚类，以及包含随机截距是否已经具有类似的效果（对标准误差进行聚类）。更准确地说，我引入了随机截距来控制参与者决策中的个体差异（他们做出了 18 个决策），但我担心最终会得到有偏差的结果。事实上，我发现我的残差不是正态分布的（见下文），我希望这只是因为这个......

顺便说一句，我发现了之前的溢出主题：https://stackoverflow.com/questions/72971844/cluster-robust-standard-errors-for-lmer-and-glmer-in-stargazer-lme4-package但是它并没有提供真正的信息（而且不起作用）。 这个主题让我觉得我必须对我的SE进行聚类：https://stackoverflow.com/questions/22179631/individual-random-effects-model-with-standard-errors-clustered-on-a- Different-va 但功能不同，我知道它可以很容易地对 SE 进行聚类。

在此输入图片描述

型号：

summary(m1 <- glmer(sharing~iv_realf*condf+
          (1|ResponseID)+(1|replicates)+age+gender, 
        family=binomial, data=subset(d3, ac==2)))

因此，我想知道我是否仍然需要对 SE 进行聚类（也许

glmer

函数会自动执行此操作）以及随机截距是否解释了参与者答案的内部变异性。

Answer 1

您可能会这样做：Abadie、Alberto、Susan Athey、Guido W Imbens 和 Jeffrey M Wooldridge。 2023.“什么时候应该调整聚类的标准误差？”经济学季刊 138 (1)：1-35。 https://doi.org/10.1093/qje/qjac038.

这个问题给出了使用

merDeriv

和

clubSandwich

的例子。 后一个包没有实现 GLMM 的方法，我不知道为什么（疏忽？）

library(lme4)
library(merDeriv)
data(finance, package = "smdata")
m2 <- glmer(corr ~ jmeth + (1 | item), 
       data = finance,
       family = binomial, nAGQ = 20)
sandwich(m2, bread = bread(m2, full = TRUE),
         mean = meat(m2, level = 2))

但是，这个例子不起作用，原因我还没能弄清楚：

library(mlmRev)
m <- glmer(use ~ livch + poly(age,2)*urban + (1|district),
           data = Contraception,
           family = binomial)
sand <- sandwich(m, bread = bread(m, full = TRUE),
         mean = meat(m, level = 2))