¿Los errores estándar agrupados son la mejor manera de realizar todas las regresiones que utilizan datos agrupados?

Question

El uso de errores estándar agrupados supone que los coeficientes de regresión son los mismos para todas las agrupaciones de los datos, ¿verdad? ¿Y si no son iguales? Por ejemplo, he utilizado la prueba F para comparar los coeficientes de regresión entre los 3 conglomerados en el gráfico siguiente. Se rechaza la nulidad de que los coeficientes de regresión son los mismos en los tres modelos de regresión. Así que mi intuición es que no puedo hacer algo como "regresión A B, cluster(C)", por ejemplo en STATA, ¿verdad? Por lo tanto, ¿debería hacer una regresión para cada conglomerado? Leeré sobre los errores estándar agrupados más adelante, así que una pista me ayudará.

Answer 1

El uso de errores estándar agrupados en Stata no impone ninguna restricción adicional a las estimaciones de los coeficientes. Las estimaciones de los coeficientes son independientes de la vce() opción que elijas.

Si tiene razones para creer que sus errores estándar deberían estar agrupados, significa que cree que hay alguna asociación entre la variable de agrupación y su resultado. Si ese es el caso, entonces debería incluir absolutamente la variable de agrupación en la propia regresión, al menos como efecto fijo. Normalmente, es más eficiente hacerlo utilizando xtreg o areg . Ambos permiten la vce(cluster clustvar) opción.

Si sólo incluye su variable de conglomerado como un efecto fijo, entonces está asumiendo implícitamente que los coeficientes entre conglomerados son los mismos pero permitiendo diferentes interceptos - eso no es una consecuencia de la agrupación de los errores estándar, sino del modelo paramétrico subyacente. Si quiere permitir que las estimaciones de los coeficientes varíen entre los conglomerados, podría incluir interacciones entre sus variables independientes y sus variables de grupo.