未提供项目说明
clusterbootstraps的Python项目详细描述
概述
clusterbootstraps是一个Python库，用于估计线性回归模型，并使用（i）Pairs Cluster Bootstrap-T和（ii）Wild Cluster Bootstrap-T过程进行精确的聚类错误推断。
有关引导方法的详细介绍，请参阅：Cameron、A.Colin、Jonah B.Gelbach和Douglas L.Miller。”基于Bootstrap的聚类误差推理改进〉《经济学与统计学评论》90.3（2008）：414-427。在
该方法也在Stata和wcbregress中编写。在
最后编辑日期：2020年9月21日。欢迎评论。在
安装
这个Python包可以通过pip package managerpip安装，即：
pip install clusterbootstraps
用法
安装需要
numpypandasstatsmodelsprettytable
语法
^{pr2}$参数/选项
clusterbootstraps
| Arguments | Introduction |
|---|---|
| ^{ | the dependent variable |
| ^{ | the independent variables |
| ^{ | the cluster variable you choose |
| ^{ | number of iterations,default = 10000 (optional) |
| ^{ | set random seed number,default = 2020 (optional) |
| ^{ | set the (1-alpha)% confidence level,default = 5 (optional) |
| ^{ | set whether to add a constant term,default = True (optional) |
保存的变量
clusterbootstraps存储以下内容：
示例
示例1:Pairs Cluster Bootstrap-T
在这里，我们对存储在矩阵X.matrix中的一组协变量进行logprice的线性回归，并使用Pairs-Cluster-Bootstrap-T方法将标准误差聚类到五类变量rep78级别。在
在Python中，我们编写代码：
importclusterbootstraps.pairascbpresult=cbp.Pair(Y=logprice,X=X.matrix,cluster_var='rep78')result.table()^{3}$
示例2:Wild Cluster Bootstrap-T
我们运行相同的回归，并使用Wild Cluster Bootstrap-T对标准错误进行聚类。在
importclusterbootstraps.wildascbwresult=cbw.Wild(Y=logprice,X=X.matrix,cluster_var='rep78')result.table()
| Variables | Original Coefs | Average Coefs | Wild Bootstrap Wald mean | Cluster Standard Error | Confidence Interval |
|---|---|---|---|---|---|
| Constant | 8.5856 | 9.9176 | -0.0005 | 4.4025 | [-0.4649, 0.4647] |
| mpg | 0.0375 | 0.0191 | -0.0010 | 0.1773 | [-0.4189, 0.4291] |
| headroom | -0.0564 | 0.0985 | 0.0016 | 0.1365 | [-0.3862, 0.3843] |
| trunk | 0.0119 | -0.0211 | -0.0017 | 0.0600 | [-0.3365, 0.3335] |
| weight | 0.0007 | 0.0003 | 0.0027 | 0.0009 | [-0.4297, 0.4361] |
| length | -0.0101 | -0.0105 | -0.0013 | 0.0292 | [-0.4131, 0.4112] |
| gear_ratio | -0.0827 | 0.1363 | 0.0003 | 0.6816 | [-0.4283, 0.4262] |
| Foreign | 0.5241 | -0.3451 | 0.0008 | 0.6512 | [-0.3800, 0.3930] |
参考文献
卡梅隆、A.科林、乔纳B.盖尔巴赫和道格拉斯L.米勒。”基于Bootstrap的聚类错误推理改进〉《经济学与统计学评论》90.3
贡献
欢迎拉取请求。对于重大变化，请先打开一个问题，讨论您希望更改的内容。在
请确保根据需要更新测试。在
作者和联系人
林炳坤（代码维护者，电子邮件：linbingkun.iesr18u@outlook.com）
申世岳
詹子怡
紫钟燕
作者来自中国广州暨南大学IESR。在
套餐主页
https://github.com/BingkunLin/clusterbootstraps
许可证
版权所有（c）2020
兹免费准许任何人取得复制品 本软件及其相关文档文件（“软件”）的 在软件中不受限制，包括但不限于权利 使用、复制、修改、合并、发布、分发、再授权和/或出售 软件的副本，并允许软件的使用者 根据以下条件提供：
上述版权声明和本许可声明应包括在所有 软件的副本或大部分。在
本软件按“原样”提供，无任何形式的保证，明示或 包括但不限于适销性保证， 特定目的的适用性和非侵犯性。在任何情况下 作者或版权持有人应对任何索赔、损害赔偿或其他 无论是在合同诉讼、侵权诉讼或其他诉讼中，由以下原因引起的责任：， 与软件、软件的使用或其他交易有关 软件。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
