摘要
聚类协方差或聚类标准误差被广泛用于解释相关或聚类数据，特别是在经济学、政治学和其他社会科学中。它们被用于调整标准最小二乘回归或由最大似然估计的广义线性模型估计后的推断。尽管许多出版物只提到“聚集的标准误差”，但聚集的协方差却有着惊人的多样性，特别是由于偏差修正的不同风格。此外，虽然线性回归模型无疑是最重要的应用案例，但在更通用的模型中也可以使用相同的策略（例如，对于零膨胀、删失或有限响应）。在R中，集群模型或面板模型中的协方差函数有些分散，或仅适用于某些建模函数，特别是（广义）线性回归模型。相比之下，三明治软件包中提供了一种面向对象的“稳健”协方差矩阵估计方法，适用于lm（）和glm（）以外的数据，但仅限于横截面或时间序列数据。从三明治2.4.0开始，这个缺点已经得到了纠正：基于两个泛型函数（estfun（）和bread（））的方法，在vcovCL（）、vcovPL（）和vcovPC（）中提供了集群和面板协方差。此外，vcovBS（）中提供了集群引导协方差，在引导样本上使用模型update（）。这些直接适用于MASS、pscl、countreg和betareg等包中的模型。给出了一些实证说明，并在模拟研究中对这些方法的性能进行了评估。
