在R中使用鲁棒聚类标准误的逻辑回归

Question

一个新手问题：有人知道如何在R中使用聚类标准误来运行逻辑回归吗？ 在Stata中，只需运行logit Y X1 X2 X3, vce（cluster Z）即可完成，但不幸的是，我还没有弄清楚如何在R中进行相同的分析。 预先感谢！

- danilofreire

---

sandwich 包中的 vcovHC() 函数可能也很有用（不确定是否适用于逻辑回归估计）。 - Ben Bolker

如果您正在从Stata迁移，您可能会发现名为“plm”的软件包非常有用。此外，还有名为“pcse”的软件包，可通过在估计后操作方差协方差矩阵来实现面板校正标准误差。 - hubert_farnsworth

非常感谢你们的回复，Ben和Hubert。我也会测试你们建议的软件包，并查看它们是否适用于逻辑估计。再次感谢！ - danilofreire

Answer 1

您可以考虑使用rms（回归建模策略）包。因此，lrm是逻辑回归模型，如果fit是您的输出名称，您将会得到以下内容：

fit=lrm(disease ~ age + study + rcs(bmi,3), x=T, y=T, data=dataf)

fit

robcov(fit, cluster=dataf$id)

bootcov(fit,cluster=dataf$id)

在模型语句中，您需要指定x=T，y=T。 rcs表示具有3个节点的受限立方样条。

- David F

---

非常感谢！它真的很有效！我会更仔细地阅读rms的手册，看看是否有一种按国家和年份对系数进行聚类的方法。再次感谢！ - danilofreire

这个回答已经很好了，但如果可以完全可复制就更好了。我不知道这些变量是从哪里来的，输出是什么，以及为什么需要rcs(bmi,3)。 - MERose

Answer 2

另一种选择是使用 sandwich 和 lmtest 包，具体操作如下。假设你的数据集 dat 中有一个名为 z 的列，其中包含聚类指标，则：

# load libraries
library("sandwich")
library("lmtest")

# fit the logistic regression
fit = glm(y ~ x, data = dat, family = binomial)

# get results with clustered standard errors (of type HC0)
coeftest(fit, vcov. = vcovCL(fit, cluster = dat$z, type = "HC0"))

能够胜任这项工作。

- baruuum

---

有趣的事实是，miceadds中的函数实际上是指sandwich包 :) - Poza

Answer 3

我已经苦思冥想了两天，幸运的是我找到了一个似乎注定会取得巨大成功的新软件包。例如，在我的分析中我还运行了一些集群稳健Tobit模型，而这个软件包也内置了这种功能。更不用说其语法要比我见过的所有其他解决方案（我们在谈论接近于Stata的清洁程度）的语法都 更加清晰易懂。

因此，对于您的样例，我会运行：

library(Zelig)
logit<-zelig(Y~X1+X2+X3,data=data,model="logit",robust=T,cluster="Z")

好了，完成了！

- MichaelChirico

---

哇，这似乎是“只要工作”，而我的R代码似乎从来没有这样。这是新功能吗？如果不是，为什么Zelig不是在R中解决这个问题的标准方式？ - Philip

不知道，但我希望它能够实现。这个项目似乎非常有雄心壮志！然而，Google小组似乎并不那么活跃，所以不确定进展有多快。 - MichaelChirico

不幸的是，我认为该命令在最新版本的Zelig（在CRAN上）中无法使用。我刚刚运行了几个模型，有些带有cluster参数，有些没有，但标准误差完全相同。我相信自从4.0版本以来，也就是我上次使用该软件包以来一直都是这样。 - danilofreire

是的，他们目前确实放弃了那个功能。请查看他们的谷歌社区（转到其网站的社区部分）- 他们正在重组整个项目；其中一位开发人员在回复我的帖子时说，他们正在努力恢复集群/鲁棒功能。 - MichaelChirico

大约三年后，集群功能仍未恢复：glm.control(cluster = "group")出现错误：unused argument (cluster = "group")。 - MERose

这个是否已经包含了集群功能，有任何更新吗？ - melbez

Answer 4

在R包miceadds中有一个名为glm.cluster的命令，似乎可以给出与Stata使用选项vce(cluster)进行逻辑回归时相同的结果。请参见此处的文档here。

在此页面的一个示例中，命令如下：

mod2 <- miceadds::glm.cluster(data=dat, formula=highmath ~ hisei + female,
                              cluster="idschool", family="binomial")
summary(mod2)

提供与Stata命令相同的健壮标准误差

logit highmath hisei female, vce(cluster idschool)

例如，变量hisei的标准误差为0.004038。

- Jim Stankovich