R调查包中的多路聚类标准错误
Multi-way clustered standard errors in R survey package
我想在 R 中使用调查权重对多个级别的标准误差进行聚类。 Lumley 的调查包没有这样做，我说得对吗？在下面的 reprex 中，在一级和二级聚类的 svyglm 具有相同的标准错误。有什么想法吗？
library(survey)
data(api)
dclus0<-svydesign(id=~1, weights=~pw, data=apiclus2) # no clustering
dclus1<-svydesign(id=~dnum, weights=~pw, data=apiclus2) # clustering at one level
dclus2<-svydesign(id=~dnum+snum, weights=~pw, data=apiclus2) # clustering at two levels
summary(svyglm(api00~ell+meals+mobility, design=dclus0)) # no clustering
summary(svyglm(api00~ell+meals+mobility, design=dclus1)) # clustering at one level
summary(svyglm(api00~ell+meals+mobility, design=dclus2)) # clustering at two levels
我怀疑 8647 是受访者人数乘以 20，但是，好吧，缺少数据或其他东西。
如果它是嵌套的，并且没有放回地抽样，如您所说 svydesign，那么为这两个分析获得相同的标准误差将是正确的。数字 (59, 8647) 也是正确的：第 1 阶段有 59 个抽样单位，第 2 阶段有 8647 个抽样单位。
你（我认为）有两个观察结果相关的数据，如果他们共享一个参与者或他们共享一个标题。此设计不是嵌套的，而是交叉的：标题 1 的参与者 1 与标题 2 的参与者 1 是同一个人。
其实很久以前我就在 R 中为此编写了标准误差估计代码，以至于 CRAN 不存在：代码是 here，函数被称为 xeffect.glm。我认为这与后来独立发明并放入 Stata -cluster2- 中的方法相同。该代码用于 glm objects，但它允许权重，因此将采样权重作为权重放入 glm 以获得点估计，然后提供结果 glm objects 至 xeffect.glm
作为附加的历史记录：link 处的其余代码由 Achim Zeileis 在 sandwich 包中重新实现，但 crossed-effects 估算器没有，因为他主要对 time-series.
感兴趣
我想在 R 中使用调查权重对多个级别的标准误差进行聚类。 Lumley 的调查包没有这样做，我说得对吗？在下面的 reprex 中，在一级和二级聚类的 svyglm 具有相同的标准错误。有什么想法吗？
library(survey)
data(api)
dclus0<-svydesign(id=~1, weights=~pw, data=apiclus2) # no clustering
dclus1<-svydesign(id=~dnum, weights=~pw, data=apiclus2) # clustering at one level
dclus2<-svydesign(id=~dnum+snum, weights=~pw, data=apiclus2) # clustering at two levels
summary(svyglm(api00~ell+meals+mobility, design=dclus0)) # no clustering
summary(svyglm(api00~ell+meals+mobility, design=dclus1)) # clustering at one level
summary(svyglm(api00~ell+meals+mobility, design=dclus2)) # clustering at two levels
我怀疑 8647 是受访者人数乘以 20，但是，好吧，缺少数据或其他东西。
如果它是嵌套的，并且没有放回地抽样，如您所说 svydesign，那么为这两个分析获得相同的标准误差将是正确的。数字 (59, 8647) 也是正确的：第 1 阶段有 59 个抽样单位，第 2 阶段有 8647 个抽样单位。
你（我认为）有两个观察结果相关的数据，如果他们共享一个参与者或他们共享一个标题。此设计不是嵌套的，而是交叉的：标题 1 的参与者 1 与标题 2 的参与者 1 是同一个人。
其实很久以前我就在 R 中为此编写了标准误差估计代码，以至于 CRAN 不存在：代码是 here，函数被称为 xeffect.glm。我认为这与后来独立发明并放入 Stata -cluster2- 中的方法相同。该代码用于 glm objects，但它允许权重，因此将采样权重作为权重放入 glm 以获得点估计，然后提供结果 glm objects 至 xeffect.glm
作为附加的历史记录：link 处的其余代码由 Achim Zeileis 在 sandwich 包中重新实现，但 crossed-effects 估算器没有，因为他主要对 time-series.