具有稳健（白色）标准误差和固定效应的 CLASS 变量的回归

Question

proc glm

可以轻松添加固定效果，而无需为类变量的每个可能值创建虚拟变量。

proc reg

能够计算稳健（白色）标准误差，但它需要您创建单独的虚拟变量。

有什么方法可以将这些功能结合起来吗？我希望能够添加许多类变量并在输出中接收白色标准错误。例如：

有了

proc glm

，我可以做这个回归。无论类变量中包含多少个级别，这都会给出正确的结果，但它不会计算稳健的标准误差。

proc glm data=ds1;
  class class1 class2 class3;
  weight n;
  model y = c class1 class2 class3 / solution;
run;

有了

proc reg

，我可以做到：

proc reg data=ds2;
  weight n;
  model y = x / white;
run;

具有白色标准误差，但不包含固定效应。 为此，我可能需要 50 个或更多虚拟变量和像

model y = x class1_d1 class1_d2 ... class3_dn /white;

这样的模型语句。如果我开始添加交互项，就会变成一个疯狂的数字或虚拟变量。

显然我可以编写一个宏来创建虚拟变量，但这似乎是一个基本函数，我不禁认为我错过了一些明显的东西（STATA 和 R 都有办法轻松做到这一点）。为什么我不能在

class

中使用

proc reg

语句或从

proc glm

中获得可靠的标准错误？

Answer 1

我想我找到了部分答案，尽管我对其他解决方案或对此解决方案的调整感兴趣。

proc glmmod

可用于创建

proc reg

的数据集：

proc glmmod noprint outdesign=ds2 data=ds1;
  class class1 class2 class3;
  weight n;
  model y = c class1 class2 class3;
run;

proc reg data=ds2;
  weight n;
  model y = col2-col50 / white;
run;

proc glmmod

使用 GLM 语法并输出包含

proc reg

需要的所有虚拟变量的回归数据集。

不像单 PROC 解决方案那么干净（并且您必须跟踪标签才能查看 ColXX 所指的内容），但它似乎工作得很好。

Answer 2

我认为你可以： (1) 删除缺失变量的观测值 (2) 使用proc标准贬低自变量 (3) 将因变量回归到贬低的自变量上

http://pages.stern.nyu.edu/~adesouza/sasfinphd/index/node60.html http://pages.stern.nyu.edu/~adesouza/sasfinphd/index/node61.html

上述过程中的系数与 proc glm（弗里施-沃定理）中的系数完全相同。但是，您不必创建假人（这是您的主要问题）。要获得可靠的标准错误，您可以简单地在步骤（3）上使用 proc reg 并使用白色标准错误。

希望有帮助。

Answer 3

我想我对此有一个答案（或者至少，如果我没有，我可能会通过在此处发布我的解决方案来找到答案）。

根据本页，可以通过对数据进行聚类，使用 proc Surveyreg 计算稳健的标准误差，以便每个观测值都是其自己的聚类。像这样：

data mydata;
set mydata;
counter=_n_;
run;

proc surveyreg data=mydata;
cluster counter;
model y=x;
run;

但是 proc Surveyreg 采用类声明，以便可以运行例如

proc surveyreg data=mydata;
class t;
cluster counter;
model y= t x*t / solution;
run;

Answer 4

尝试使用 method= m (wf=huber) 进行 procRobustreg ...这将使您获得强大的标准错误，尽管严格来说不是“White's”。我发现它非常消耗资源，因此在每个人 64 个观测点上进行大约 10 万次观测是不可行的。