聚类稳健标准误用来解决什么的（聚类稳健标准误和普通标准误）

本篇文章给大家谈谈聚类稳健标准误用来解决什么的，以及聚类稳健标准误和普通标准误对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、普通标准误与稳健标准误的区别
• 2、sm模型聚类稳健标准误
• 3、回归用不用聚类稳健误,结果看得出来吗
• 4、稳健标准误和t值区别
• 5、稳健标准误多少时显著

普通标准误与稳健标准误的区别

1 普通标准误和稳健标准误都是用于庆芦衡量样本统计量的标准误差，但是它们的计算方式不同。

2 普通标准误是基于正态分布的假设，对数据进行统计推断，可以在一定程度上反映总体的标准误差。

稳健标准误是基于非参数方法计算的，不依赖于分布假设，因此余差洞在数据分布不确定或数据竖枯中存在离群值时更为可靠。

3 在实际应用中，普通标准误在满足正态分布假设的情况下使用更为普遍，而稳健标准误则更适用于数据异常值较多的情况下。

[img]

sm模型聚类稳健标准误

聚人健标准误1.

1异方差+自相关 当出现自相关时,即不同观测点的干扰项是相关的。常见于时间序列数据。通常自相关伴随着异方差明嫌。这意味着每个观测点的干扰项是从相关并不相同的分布中产生的。 此时干扰项的协方差矩携睁阵主对角线是不同的,对角线外也不为零。这时候估计方法是用相应的样本残差平方替代方差,样本残差乘积替代协方差。

2.

2聚类稳健标准误:异方差+组内相关+组间不相关 当出现同一个类别内的干扰项相关,不同类别间的干扰项不相关,同时存在异方差,这辩槐岁时候又需要变化标准误的求法,即聚类稳健标准误。

回归用不用聚类稳健误,结果看得出来吗

看得出来。对于面板数据，reg与xtreg都可以使用，并且可以使用聚类稳健标准误，但是结果会不一样，所以回归用不用聚类稳健误，结果是看得出来的。聚类稳健标亏姿准误：认为在某一个group内部，个人的观测值取值是相关的，比如一个区县，一销铅绝个家庭内部等激模等。可以用cluster来处理。

稳健标准误和t值区别

稳健标备卜准是一种考虑异常值的数据分析方法，它可以有效地去除棚悉或平衡异常值对整体统计学特征的影响。t 值是用仿和穗来评估两总体间差异的显著性的测量单位，它代表了两样本间差异度。

稳健标准误多少时显著

今天在汇报的时候，脚注中写的内容栽了跟头，写在这里，share给大家

1. 想讲一下为什么我早罩岩们需要稳健标准误：

首先要明确，回归自动输出的标准误是什么，是谁的标准误？输出的是回归系数的标准误差。我们在回归的时候，是估计的conditional on X的时候，X的系数（对Y的影响）是多少。因为不同的观测值是有不同取值的，所以估计出来的系数和真实观测到的数据是有误差的，这部分就是我们输出的标准误差。

为什么要用稳健的标准误呢？因为不用的话，就代表着我们要假设样本观测值之间是完全独立iid的。但是现实中，样本观测值之间完全独立同分布是不太可能的。或多或少存在相关（有些样本的取值是类似的）或者异质性（不同样本更类似于从不同的分布中抽取出来）。所以为了更贴近现实，我们是需要使用稳健标准误的。

2. 稳健标准误的分类：

第一种就是聚类稳健标准误：认为在某一个group内部，个人的观测值取值是相关的，比如一个区县，一个家庭内部等等。可以用cluster来处理。

第二类就是异方差稳健标准误：认为观测值的取值在不同group或者不同的个体之间，是类似于从不同的分布中抽取出来的。具有不同的均值和方差等等，而不是说从同一个分布中抽取，只是具有相关性而已。可以用robust来处理。

3. 稳健标准误的效果：

一般稳健性的标准误会让标准误增大，这样会让我们的估计系数变得更不显著。但是还是应该要进行处理，因为这样更贴近现实。

另外就是，聚类稳健标准误理论上来说cluster在最高的层面最好，但是这样会让标准误变得很大，所以一般我们不用cluster那么高的层面。

具体的推导和延伸阅读，大陆御家可以继续参考这一份PPT，我觉得讲的很清闷让楚

关于聚类稳健标准误用来解决什么的和聚类稳健标准误和普通标准误的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。