ScholarGate
Assistent
Regression model

Klastri-robustid standardvead

Klastri-robustid standardvead parandavad regressioonikordajate dispersiooni, kui vaatlused on korreleeritud klastrite (nt koolid, haiglad või piirkonnad) sees. Klastrite kaupa koondatud sandwich-estimaator tuleneb Liang & Zegeri (1986) üldistatud hinnangute võrranditest ja selle sünteesisid rakendustööde jaoks Cameron & Miller (2015), võimaldades kehtivat järelduste tegemist, kui tavalised standardvead oleks liiga väikesed.

Rakenda tööriistaga StatMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

Allikad

  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

Kuidas sellele lehele viidata

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

Sellele viitavad

ScholarGateCluster-Robust Standard Errors (Cluster-Robust (Clustered) Standard Errors). Loetud 2026-06-15 aadressilt https://scholargate.app/et/statistics/cluster-robust-se · Andmestik: https://doi.org/10.5281/zenodo.20539026