Robustní standardní chyby pro shluky
Robustní standardní chyby pro shluky korigují rozptyl regresních koeficientů, když jsou pozorování korelovaná v rámci shluků, jako jsou školy, nemocnice nebo regiony. Odhadovač shlukovaného sendviče vychází z generalizovaných odhadových rovnic Liang & Zeger (1986) a pro aplikovanou práci jej syntetizovali Cameron & Miller (2015), čímž poskytuje platnou inferenci, když by běžné standardní chyby byly příliš malé.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Liang, K. Y. & Zeger, S. L. (1986). Longitudinal Data Analysis Using Generalized Linear Models. Biometrika, 73(1), 13-22. DOI: 10.1093/biomet/73.1.13 ↗
- Cameron, A. C. & Miller, D. L. (2015). A Practitioner's Guide to Cluster-Robust Inference. Journal of Human Resources, 50(2), 317-372. DOI: 10.3368/jhr.50.2.317 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Cluster-Robust (Clustered) Standard Errors. ScholarGate. https://scholargate.app/cs/statistics/cluster-robust-se
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regrese metodou ordinárních nejmenších čtverců (OLS)Ekonometrie↔ compare
- Model panelových dat s fixními efektyEkonometrie↔ compare
- Permutační (randomizační) testStatistika↔ compare
- Divoký bootstrap pro regresní inferenciStatistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →