如何为R中margins包得到的平均边际效应（AME）计算聚类标准误？

要给margins计算的AME添加聚类标准误，核心是结合sandwich包构造聚类调整的方差-协方差矩阵，再传递给margins或lmtest::coeftest。以下是具体步骤：

所需包 #

确保加载必要的R包：

library(glm)
library(lmtest)
library(margins)
library(sandwich)

步骤1：估计Probit模型 #

先拟合基础的probit模型：

# 示例：用mtcars数据，因变量am（二分类），自变量hp、wt
model1 <- glm(am ~ hp + wt, data = mtcars, family = binomial(link = "probit"))

步骤2：构造聚类方差-协方差矩阵 #

使用sandwich::vcovCL生成聚类调整的方差矩阵，指定聚类变量（比如按cyl聚类）：

cluster_var <- ~ cyl # 替换为你的实际聚类变量
vcov_cluster <- vcovCL(model1, cluster = cluster_var)

如果需要多重聚类，直接在公式中添加多个变量即可，比如~ group1 + group2。

步骤3：计算带聚类标准误的AME #

有两种常用方式：

方式1：在margins中直接指定vcov #

计算AME时传入聚类方差矩阵，后续summary会直接输出调整后的标准误：

AME <- margins(model1, variables = c("hp", "wt"), vcov = vcov_cluster)
summary(AME)

方式2：用coeftest重新计算标准误 #

如果已经计算了AME对象，可通过lmtest::coeftest传入聚类方差矩阵，输出更简洁的统计结果：

AME <- margins(model1, variables = c("hp", "wt"))
coeftest(AME, vcov = vcov_cluster)

原理说明 #

margins计算的边际效应的方差依赖于原模型的方差-协方差矩阵。vcovCL生成的聚类调整矩阵，会被用来重新计算AME的标准误、t值和p值，从而得到聚类稳健的统计推断结果。

内容的提问来源于stack exchange，提问作者Maximilian