R中具有鲁棒聚类标准误差的Logistic回归

Question

一个新手问题:有没有人知道如何在R中运行带有聚类标准错误的逻辑回归？在Stata它只是logit Y X1 X2 X3, vce(cluster Z),但不幸的是我还没有想出如何在R中进行相同的分析.提前感谢!

Answer 1

您可能希望查看rms(回归建模策略)包.那么,lrm是逻辑回归模型,如果fit是输出的名称,你会有这样的事情:

fit=lrm(disease ~ age + study + rcs(bmi,3), x=T, y=T, data=dataf)

fit

robcov(fit, cluster=dataf$id)

bootcov(fit,cluster=dataf$id)

你必须指定x=T,y=T在模型中声明. rcs表示受限的三次样条曲线,3节.

Answer 2

另一种选择是使用sandwichandlmtest包，如下所示。假设这z是数据集中包含聚类指标的列dat。然后

# load libraries
library("sandwich")
library("lmtest")

# fit the logistic regression
fit = glm(y ~ x, data = dat, family = binomial)

# get results with clustered standard errors (of type HC0)
coeftest(fit, vcov. = vcovCL(fit, cluster = dat$z, type = "HC0"))

会做这项工作。

Answer 3

这两天一直在纠结这个问题；我神奇地发现了一个新包，它似乎注定要完成伟大的事情——例如，我还在我的分析中运行了一些集群鲁棒的 Tobit 模型，这个包也内置了该功能。更不用说语法比我见过的所有其他解决方案更干净（我们谈论的是接近 Stata 级别的干净）。

因此，对于您的玩具示例，我会运行：

library(Zelig)
logit<-zelig(Y~X1+X2+X3,data=data,model="logit",robust=T,cluster="Z")

等等！

Answer 4

glm.clusterR 包中有一个命令miceadds，它似乎为逻辑回归提供了与 Stata 使用选项相同的结果vce(cluster)。请参阅此处的文档。

在本页的一个示例中，命令

mod2 <- miceadds::glm.cluster(data=dat, formula=highmath ~ hisei + female,
                              cluster="idschool", family="binomial")
summary(mod2)

给出与 Stata 命令相同的稳健标准误差

logit highmath hisei female, vce(cluster idschool)

例如，变量 的标准误差为 0.004038 hisei。