R语言聚类稳健标准误模型的Wald检验实现方法咨询

运行失败的核心原因 #

你直接调用waldtest()/`无法运行主要是两个问题：

1. 没有为适配聚类稳健标准误传入对应的协方差矩阵，或是函数不支持你当前传入的对象类型（比如选项1中你传入的是coeftest生成的系数检验矩阵而非原始lm模型对象）
2. 没有明确指定要检验的原假设约束

三类回归代码对应的Wald检验语法 #

选项1：基础lm + sandwich包计算聚类稳健标准误

需配合lmtest包的waldtest函数，显式传入聚类稳健协方差矩阵参数即可，不需要依赖coeftest的输出结果：

# 提前加载依赖包
library(lmtest)
library(sandwich)

# 示例1：检验所有自变量的联合显著性（原假设：除截距外所有系数同时为0）
waldtest(m, 
         vcov = vcovCL(m, type = "HC1", cluster = ~ quartier, df = 9))

# 示例2：检验特定变量的联合显著性（如检验二次项poly(var2, 2)的两个系数同时为0）
waldtest(m, . ~ . - poly(var2, 2),
         vcov = vcovCL(m, type = "HC1", cluster = ~ quartier, df = 9))

选项2：miceadds包的lm.cluster

lm.cluster生成的模型对象已经自带计算好的聚类稳健协方差矩阵，直接提取后传入waldtest即可：

# 提前加载依赖包
library(miceadds)
library(lmtest)

# 示例：检验模型整体联合显著性
waldtest(m, vcov = m$vcov)

# 检验特定变量约束的写法和选项1一致，替换第二个公式参数即可

选项3：estimatr包的lm_robust

estimatr包自带适配lm_robust对象的Wald_test方法，会自动读取你已经配置好的聚类稳健标准误参数，不需要额外传入协方差矩阵：

# 提前加载依赖包
library(estimatr)

# 示例1：检验单个变量显著性（原假设：var1的系数为0）
Wald_test(m, hypothesis = "var1 = 0")

# 示例2：检验所有自变量联合显著性
all_coef <- names(coef(m))[names(coef(m)) != "(Intercept)"]
Wald_test(m, hypothesis = paste0(all_coef, " = 0"))

内容的提问来源于stack exchange，提问作者mimi