聚类标准误的经济含义与选择原则

聚类标准误的经济含义

一、核心含义

聚类标准误不改变回归系数 $\hat{\beta}$，只改变我们对其不确定性的估计。

对于面板模型：

$${y}_{it}=\beta{D}_{it}+{\alpha}_{i}+{\lambda}_{t}+{u}_{it},$$

其中 $i$表示城市、企业或个人，$t$ 表示年份。选择在哪个维度聚类，本质上是在回答：

哪些观测可能受到同一组未观测冲击，因而不能被视为相互独立的信息？

二、图示

**

**

图中横向表示年份，纵向表示城市；连线表示允许这些观测的误差项相互相关。

对应的协方差假设如下：

三、按横截面单位聚类：允许时间序列相关

例如：

reghdfe y policy controls, absorb(city year) vce(cluster city)

其统计假设是：

$$Cov\left( {u}_{it} , {u}_{is} \right)\ne0,$$

即同一城市在不同年份的误差可以任意相关；但假定不同城市之间独立：

$$Cov\left( {u}_{it} , {u}_{js} \right)=0, i\ne j.$$

经济含义

城市具有一些持续但无法完全观测的因素，例如：

• 地方政府治理能力；
• 土地财政依赖；
• 产业结构及其变化趋势；
• 政策执行风格；
• 连续多年的房地产市场景气；
• 测量误差或数据口径的持续性。

这些因素使一个城市今年的回归残差与明年、后年的残差相关。

例子：城市土地供给政策

研究某项住房限价政策对住宅供地距离的影响。杭州某一年出现未观测的土地财政压力，这种压力可能延续数年：

$${u}_{\text{杭州},2019},{u}_{\text{杭州},2020},{u}_{\text{杭州},2021}$$

因此，这三个观测不能被当成三个完全独立的政策实验。

假设数据包括100个城市、10年，共1000个观测。按城市聚类后，独立信息更接近于“100条城市历史”，而不是1000个完全独立的城市—年份观测。

什么时候应这样做

• 处理变量在城市或企业内部随时间变化；
• 误差可能存在序列相关；
• 面板数据中的DID、事件研究；
• 有较多横截面单位，而时间期数相对有限。

这通常是城市面板研究的最低要求。

四、按时间聚类：允许横截面相关

例如：

reghdfe y policy controls, absorb(city year) vce(cluster year)

其统计假设是：

$$Cov\left( {u}_{it} , {u}_{jt} \right)\ne0,$$

即同一年不同城市的误差可以相关；但不同年份之间被视为独立：

$$Cov\left( {u}_{it} , {u}_{js} \right)=0, t\ne s.$$

经济含义

同一年所有城市可能受到共同冲击，例如：

• 全国房地产信贷政策；
• 中央土地调控政策；
• 疫情冲击；
• 宏观经济周期；
• 全国性财政刺激；
• 统计口径或数据采集方式改变；
• 利率和融资环境变化。

例如，2020年的房地产融资收紧可能同时影响杭州、南京、武汉等城市，使得：

$${u}_{\text{杭州},2020},{u}_{\text{南京},2020},{u}_{\text{武汉},2020}$$

相互相关。

假设有100个城市、10年数据。按年份聚类意味着独立冲击更接近于10个年度环境，而不是1000个观测。此时只有10个时间簇，常规聚类标准误可能不可靠。

加入年份固定效应还需要按年份聚类吗

年份固定效应吸收的是所有城市受到的同等幅度的共同冲击：

$${u}_{it}={\lambda}_{t}+{\varepsilon}_{it}.$$

但现实中不同城市对同一冲击的敏感度可能不同：

$${u}_{it}={\gamma}_{i}{F}_{t}+{\varepsilon}_{it}.$$

例如，全国信贷紧缩对土地财政依赖较强的城市影响更大。年份固定效应不能完全吸收这种异质性反应，因此仍可能存在同年横截面相关。

五、双向聚类：同时处理两种相关性

例如：

reghdfe y policy controls, absorb(city year) vce(cluster city year)

双向聚类允许：

$$Cov\left( {u}_{it} , {u}_{is} \right)\ne0$$

以及：

$$Cov\left( {u}_{it} , {u}_{jt} \right)\ne0.$$

只有当两个观测既不属于同一城市，也不属于同一年时，才假定误差不相关。

经济含义

仍以住房限价对供地行为的研究为例：

• 同一城市跨期相关：地方政府土地财政压力具有持续性；
• 同一年跨城市相关：全国房地产信贷和土地调控形成共同冲击。

因此，双向聚类往往更符合城市—年份面板的实际数据生成过程。

但双向聚类并不保证标准误一定比单向聚类更大，因为其方差估计大致为：

$${\hat{V}}_{\text{two-way}}={\hat{V}}_{\text{city}}+{\hat{V}}_{\text{year}}-{\hat{V}}_{\text{city}\times\text{year}}.$$

六、聚类层级首先取决于政策赋值层级

最重要的经验规则是：

标准误至少应聚类到处理变量被赋值或共同决定的层级。

例如，政策在省级实施，但因变量是城市或企业层面的：

reghdfe y policy controls, absorb(city year) vce(cluster province)

此时不能仅按城市聚类。因为同一省内所有城市共享同一个政策冲击，真正独立的政策实验单位是省，而不是城市。

七、实证研究中的选择建议

对于城市—年份面板：

1. 基准结果：一般至少按城市聚类；
2. 存在全国年度共同冲击：报告城市—年份双向聚类；
3. 政策在省级赋值：至少按省聚类，可进一步考虑省和年份双向聚类；
4. 年份很少：不能机械依赖按年份聚类，例如只有10个年份簇时，应考虑小样本修正、wild cluster bootstrap或随机化推断；
5. 存在空间相关：双向聚类不能处理不同城市跨年份的空间传播，可能需要Conley标准误、空间相关标准误或Driscoll–Kraay标准误。