statsmodels.stats.sandwich_covariance.cov_nw_groupsum¶

statsmodels.stats.sandwich_covariance.cov_nw_groupsum(results, nlags, time, weights_func=<function weights_bartlett>, use_correction=0)[source]¶

Driscoll 和 Kraay 面板稳健协方差矩阵

Driscoll 和 Kraay 的面板数据稳健协方差矩阵。

假设我们有一个时间序列的面板数据，其中时间索引是可用的。 时间索引被假定为表示等距的时间段。每个时间段至少需要一个观测值。

Parameters:¶

resultsresult instance

回归结果，使用 results.model.exog 和 results.resid TODO: 这应该使用 wexog 代替

nlagsint or None

在核窗口中包含的最大滞后。目前没有默认值，因为最佳长度将取决于每个横截面单位的观测数量。

timendarray of int

这应该包含每个观测的时间段的编码。 时间段应该是范围(maxT)内的整数，其中maxT是观测i的最大值

weights_funccallable

weights_func 以 nlags 为参数调用以获取核权重。默认使用 Bartlett 权重

use_correction‘cluster’ or ‘hac’ or False

如果为 False，则不使用小样本校正。 如果为 ‘hac’（默认），则使用与单时间序列中相同的校正，即 cov_hac。 如果为 ‘cluster’，则使用与 cov_cluster 中相同的校正。

Returns:¶

covndarray, (k_vars, k_vars)

参数估计的HAC稳健协方差矩阵

注释

测试针对STATA xtscc包，该包不使用小样本校正

首先对每个时间段内的相关变量在所有个体/组上进行平均，然后像在HAC中一样对时间应用相同的核加权平均。

警告： 在具有短面板（时间周期少且个体多）的示例中，主要存在个体间的差异，此估计量未能产生合理的结果。

当除了Bartlett和均匀核之外的其他核可用时，选项可能会改变。

参考文献

丹尼尔·霍希勒, xtscc 论文 德里斯克尔和克雷