Regression model

Errores estándar robustos a clúster

Los errores estándar robustos a clúster corrigen la varianza de los coeficientes de regresión cuando las observaciones están correlacionadas dentro de clústeres como escuelas, hospitales o regiones. El estimador sándwich agrupado surgió de las ecuaciones de estimación generalizadas de Liang y Zeger (1986) y fue sintetizado para el trabajo aplicado por Cameron y Miller (2015), proporcionando una inferencia válida cuando los errores estándar ordinarios serían demasiado pequeños.

Aplicar con StatMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. 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
  2. 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

Cómo citar esta página

ScholarGate. (2026, June 1). Cluster-Robust (Clustered) Standard Errors. ScholarGate. https://scholargate.app/es/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.

Compare side by side

Citado por

ScholarGateCluster-Robust Standard Errors (Cluster-Robust (Clustered) Standard Errors). Recuperado el 2026-06-15 de https://scholargate.app/es/statistics/cluster-robust-se · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026