ИСТИНА

Особенности выборки панельных данных часто приводят к тому, что подмножества поперечных сечений образуют кластеры. Внутри отдельно взятых кластеров возможна корреляция ошибок, которую необходимо учитывать при расчете значимости оценок параметров модели. Представлен расчет ковариационной матрицы ошибок с коррекцией на гетероскедастичность и автокорреляцию ошибок в кластерах. В пакете R генерируются искусственные данные, на которых исследуются последствия избыточной коррекции ковариационной матрицы ошибок. Показано, что при малом количестве кластеров и классических данных кластеризованная оценка стандартной ошибки параметра регрессии меньше оценок Ordinary, HC и HAC.