lm または glm の当てはめの係数の、クラスター化された共分散行列です。R の sandwich::vcovCL() と同等です。
lm
glm
sandwich::vcovCL()
meat は、各クラスター内の推定関数を足し合わせたものです (Zeileis, Köll and Graham 2020)。これに cadjust による G / (G - 1) を掛けます。HC1 では (n - 1) / (n - k) を掛けます。複数のクラスター化の次元は、それらすべての交わりについての包除原理によって組み合わせます。各項は、それぞれ独自の G を持ちます (Cameron, Gelbach and Miller 2011)。multi0 は、すべての次元の完全な交わりに、観測値 1 つからなるクラスターを使います。HC2 と HC3 では、各クラスターの残差を、Bell and McCaffrey (2002) の対称な形で (I - H_gg)^-1/2 または (I - H_gg)^-1 により調整します (HC3 では、1 クラスターを除いたジャックナイフになります)。これは重みなしの lm では sandwich と同じです。sandwich は、重み付きの lm や glm では、この調整を転置して使います。特異なブロック (クラスターの固定効果) はエラーです。fix は負の固有値を 0 にします。
cadjust
multi0
fix
既定の型は、sandwich と同じく、lm では HC1、glm では HC0 です。cluster を指定しなければ、観測値ごとに独自のクラスターになります。G は、使った行のうち相異なるラベルの数です (ラベルは文字列として比較し、数値は R の as.character と同じく有効数字 15 桁で比較します。たとえば 1 と 1 + 2^-52、または 0.1 + 0.2 と 0.3 は、同じラベルです)。次元の交わりは、ラベルの組です。少なくとも 2 つのクラスターが必要です。事前の重みが 0 の行は除きます。HC1 では、係数の数より多くの観測値が必要です。1 から大きく離れたデータは、vcovHC と同様に扱います (単位の記録は、行列のコピーでは失われます)。fix を指定したとき、負の固有値は、最大の係数の分散の単位で 0 にします。そのため、その約 2^537 倍以上小さい尺度の係数は、分散 0 になります。docs/differences-from-r.md を参照してください。
cluster
as.character
lm または glm の結果です。
const fit = lm([1, 2, 3, 4, 5, 6, 7, 8], [1.2, 1.9, 3.2, 3.8, 5.3, 5.9, 7.1, 8.2]);vcovCL(fit, { cluster: ["a", "a", "b", "b", "c", "c", "d", "d"] }).vcov;// [[0.002257, -0.00053463], [-0.00053463, 0.00016363]] (HC1) コピー
const fit = lm([1, 2, 3, 4, 5, 6, 7, 8], [1.2, 1.9, 3.2, 3.8, 5.3, 5.9, 7.1, 8.2]);vcovCL(fit, { cluster: ["a", "a", "b", "b", "c", "c", "d", "d"] }).vcov;// [[0.002257, -0.00053463], [-0.00053463, 0.00016363]] (HC1)
lmまたはglmの当てはめの係数の、クラスター化された共分散行列です。R のsandwich::vcovCL()と同等です。meat は、各クラスター内の推定関数を足し合わせたものです (Zeileis, Köll and Graham 2020)。これに
cadjustによる G / (G - 1) を掛けます。HC1 では (n - 1) / (n - k) を掛けます。複数のクラスター化の次元は、それらすべての交わりについての包除原理によって組み合わせます。各項は、それぞれ独自の G を持ちます (Cameron, Gelbach and Miller 2011)。multi0は、すべての次元の完全な交わりに、観測値 1 つからなるクラスターを使います。HC2 と HC3 では、各クラスターの残差を、Bell and McCaffrey (2002) の対称な形で (I - H_gg)^-1/2 または (I - H_gg)^-1 により調整します (HC3 では、1 クラスターを除いたジャックナイフになります)。これは重みなしの lm では sandwich と同じです。sandwich は、重み付きの lm や glm では、この調整を転置して使います。特異なブロック (クラスターの固定効果) はエラーです。fixは負の固有値を 0 にします。既定の型は、sandwich と同じく、lm では HC1、glm では HC0 です。
clusterを指定しなければ、観測値ごとに独自のクラスターになります。G は、使った行のうち相異なるラベルの数です (ラベルは文字列として比較し、数値は R のas.characterと同じく有効数字 15 桁で比較します。たとえば 1 と 1 + 2^-52、または 0.1 + 0.2 と 0.3 は、同じラベルです)。次元の交わりは、ラベルの組です。少なくとも 2 つのクラスターが必要です。事前の重みが 0 の行は除きます。HC1 では、係数の数より多くの観測値が必要です。1 から大きく離れたデータは、vcovHC と同様に扱います (単位の記録は、行列のコピーでは失われます)。fixを指定したとき、負の固有値は、最大の係数の分散の単位で 0 にします。そのため、その約 2^537 倍以上小さい尺度の係数は、分散 0 になります。docs/differences-from-r.md を参照してください。