How cluster‐robust inference is changing applied econometrics

James MacKinnon

Canadian Journal of Economics/Revue canadienne d'économique, 2019, vol. 52, issue 3, 851-881

Abstract: In many fields of economics, and also in other disciplines, it is hard to justify the assumption that the random error terms in regression models are uncorrelated. It seems more plausible to assume that they are correlated within clusters, such as geographical areas or time periods, but uncorrelated across clusters. It has therefore become very popular to use “clustered” standard errors, which are robust against arbitrary patterns of within‐cluster variation and covariation. Conventional methods for inference using clustered standard errors work very well when the model is correct and the data satisfy certain conditions, but they can produce very misleading results in other cases. This paper discusses some of the issues that users of these methods need to be aware of. Comment l’inférence robuste à l’échantillonnage est en passe de modifier l’économétrie appliquée. Dans de nombreuses branches de l’économie, mais également dans d’autres disciplines, il apparaît difficile de justifier l’hypothèse selon laquelle les termes d’erreurs aléatoires des modèles de régression sont indépendants. Il semble plus vraisemblable de considérer qu’ils sont corrélés à l’intérieur des échantillonnages, notamment dans le cadre d’aires géographiques ou de périodes de temps, mais qu’ils sont indépendants en dehors. Il est donc devenu très courant d’utiliser les écarts‐types d’échantillonnage, lesquels s’avérant robustes contre les modèles arbitraires de variations et de covariations à l’intérieur de ces mêmes échantillons. Les méthodes habituelles utilisant les écarts‐types d’échantillonnage pour évaluer l’inférence fonctionnent parfaitement lorsque le modèle est cohérent et que les données satisfont à certaines conditions. Néanmoins, dans d’autres circonstances, ces dernières peuvent aboutir à des résultats trompeurs. Cet article étudie certains des écueils que peuvent rencontrer les utilisateurs de cette méthode, et contre lesquels ils doivent se prémunir.

Date: 2019
References: View references in EconPapers View complete reference list from CitEc
Citations: View citations in EconPapers (18)

Downloads: (external link)
https://doi.org/10.1111/caje.12388

Related works:
Journal Article: How cluster-robust inference is changing applied econometrics (2019)
Working Paper: How cluster-robust inference is changing applied econometrics (2019)
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:wly:canjec:v:52:y:2019:i:3:p:851-881

Access Statistics for this article

More articles in Canadian Journal of Economics/Revue canadienne d'économique from John Wiley & Sons
Bibliographic data for series maintained by Wiley Content Delivery ().