Robusztus standard hibák klaszterekre
A klaszter-robuzt standard hibák korrigálják a regressziós együtthatók szórásának varianciáját, amikor az észlelések klasztereken belül korreláltak, mint például iskolák, kórházak vagy régiók esetében. A klaszterezett szendvics-becslő Liang & Zeger (1986) általánosított becslőegyenleteiből nőtte ki magát, és Cameron & Miller (2015) szintetizálta az alkalmazott kutatások számára, lehetővé téve az érvényes következtetést, amikor a szokásos standard hibák túl kicsik lennének.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Cluster-Robust (Clustered) Standard Errors. ScholarGate. https://scholargate.app/hu/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.
- Regresszió Ordináris Legkisebb Négyzetes (OLS) módszerrelÖkonometria↔ compare
- Paneladatok rögzített hatású modelljeÖkonometria↔ compare
- Permutációs (randomizációs) tesztStatisztika↔ compare
- Vad bootstrap regressziós következtetéshezStatisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →