企业层面聚类稳健标准误文献参考.pdf

饭疏食，饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。——《论语》

企业层面聚类稳健标准误文献参考

1.问题的提出

常常在文献基准回归表格底下的小字看到聚类稳健标准误，比如

括号中是在省份聚类的稳健标准误或标准误双向聚类在行业和年份

层面等等。那么问题来了，聚类稳健标准误是什么？为什么要用？怎

么用？stata如何操作？

2.为什么和是什么？

对样本做回归分析的核心是使用最小二乘法去估计模型里的参

数，比如核心解释变量前面的系数。我们通过最小二乘法使得残差平

方和最小，求得样本估计系数。如果进行一次估计，由于干扰项e的

存在，估计值与真实值之间一定存在差异。样本估计值与真实值之间

的差别中，误差项起了关键作用。误差项是一个随机变量，每次估计

都会得到不同的差异值。关于样本估计系数性质的讨论，都以误差项

为核心。我们希望样本估计系数特别好，接近真实值，所以必须有良

好的性质，而良好的性质需要有前提条件，也就是一些假设。比如，

我们希望反复抽取多个样本得到多个样本估计系数，之后求平均值就

等于真实系数，即无偏性，那么就需要干扰项e满足均值为零的假设

（反复抽样消除干扰项的影响），就可以使得误差项均值为零，那么

就可以使得样本估计系数的期望等于真实值。

由于每次抽样得到的估计系数都会不同，我们希望知道估计系数

值分布的分散度，或者估计系数平均偏离真实值的程度，或者估计系

数可能的误差范围，或者估计系数的精确程度。如果误差范围越小，

饭疏食，饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。——《论语》

样本估计系数接近真实值的可能性就越大！这个用标准差来衡量，估

计系数的标准差称为系数标准误。或者，更一般的称为某统计量的标

准差的估计值为该统计量的标准误，作为对统计量估计误差的度量。

（ps：此处有人说是统计量的标准差，有人说统计量的标准差的估计

值，因为有时候统计量的标准差能直接求出来，有时候不能直接求出

来就需要估计）

2.1普通标准误——同方差+不相关

当求估计系数的方差的时候，需要求得干扰项的协方差矩阵，其

主对角线上是第i个观测点的干扰项的方差，对角线外的项是第i个

观测点和第j个观测点干扰项的协方差。干扰项协方差矩阵的形式是

决定样本估计系数方差的关键。我们先提出两个假设来简化协方差矩

阵：干扰项同方差假设和干扰项不相关假设。前者的含义是每个观测

点干扰项的方差大小是相同的，后者的含义是不同观测点干扰项是不

相关的。两种合起来的本质就是每个观测点的干扰项是从独立同分布

中产生的。这时候协方差矩阵就变得很简单，主对角线数值相同，主

对角线以外是零。但是还有一个问题，里面有干扰项的方差，这是未

知的，只能估计，需要利用样本残差值去估计。最终就能得到同方差

和不相关假设下的ols系数估计值方差的估计量，开根号，然后就可

以得到系数标准误差的估计量。这就是求得了系数估计值的标准误。

2.2异方差稳健标准误：异方差+不相关

现实中，会出现异方差的问题，即每个观测点的干扰项方差是不

相等的，但是还是干扰项不相关。这意味着每个点的干扰项是从独立

饭疏食，饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。——《论语》

但是不相同的分布中产生的。这时候不影响估计系数的无偏性和一致

性，但是标准误不能再按照之前的求法了，否则就会影响我们对系数

估计值和真实值之间误差范围的判断，也就是说误差范围求的不准了。

这时