面板数据分析系列第13讲：群聚稳健标准误，应该聚类到哪一层？城市？企业？年份？
在前两讲中，已经反复强调了一个结论：
在面板数据中，使用群聚稳健标准误，并不是一种“可选技巧”，而是对现实误差结构的基本尊重。
但紧接着，一个更具判断难度的问题随之而来：
- 既然要 cluster，那到底该“聚”在哪一层？
这看似是一个技术设定问题，实际上却高度依赖研究者对误差结构的理解与判断。
01 一个常见误解：解释变量在哪一层，就聚在哪一层？
在实践中，经常可以听到这样一种说法：
“解释变量是城市层面的，所以就按城市聚类。”
这句话并非完全错误，但远远不够。
群聚稳健标准误的逻辑，并不是围绕“变量的层级”展开的，而是围绕一个更核心的问题：
- 误差项最可能在哪一层发生系统性相关？
变量的层级，最多只是判断这一问题的参考信息之一，而不是决定因素。
02 Cluster 的真正逻辑：误差结构，而不是数据结构
回到 cluster 的定义本身。
当我们在某一层级进行聚类时，隐含的假设是：
- 同一组内部的误差项可以任意相关
- 不同组之间的误差项相互独立
因此，聚类层级的选择，本质上是对误差生成机制的判断，而不是对数据表格结构的简单映射。
以城市—年份面板为例，如果我们认为：
- 同一城市内部存在长期未观测因素
- 不同城市之间的误差相对独立
那么，按城市聚类，就是一个自然且有直觉支撑的选择。
03 三种常见聚类设定，各自在“假定”什么？
在实际研究中，最常见的聚类设定主要有三类。
第一类：按个体聚类（cluster(id)）
这是面板数据中最常见、也最接近默认的做法。这种设定隐含的判断是：
- 个体层面存在持续性的、难以观测的冲击
- 误差项在个体内部高度相关
- 时间维度上的相关性主要体现在个体内部
在城市、企业或个人层面的面板研究中，只要研究对象具有稳定特征或路径依赖，这通常是一个稳妥且容易被接受的起点。
第二类：按时间聚类（cluster(year)）
按时间聚类，隐含的判断是：
- 某些年份存在对所有个体同时生效的冲击
- 这些冲击未被时间效应完全吸收
- 不同年份之间的误差相对独立
这种设定更常见于时间维度较短、宏观冲击或制度变动极为显著的研究情形。
第三类：双向聚类（two-way clustering）
双向聚类允许以下两种误差相关同时存在：
- 个体内部相关
- 时间维度相关
但需要特别强调的是：
双向聚类并不是“更高级”的默认选项，而是一种针对特定误差结构的回应。
04 上市公司研究：到底该按企业、行业，还是地区聚类？
这是实证中经常遇到的问题，也是读者的留言问题。
在上市公司研究中，常见的困惑是：
有人按企业聚类，有人按行业聚类，也有人按地区聚类，到底怎么区分？
关键并不在于“别人怎么做”，而在于你认为：
- 误差最可能在哪一层同步波动？
可以从三种最常见的判断出发。
（1）按企业聚类
隐含判断是：同一企业内部存在持续性冲击（如管理风格、治理结构、技术路径），并跨年份影响结果。
👉 这是上市公司研究中最常见、也最容易被接受的起点。
（2）按行业聚类
隐含判断是：行业层面的周期、监管或技术冲击，使同一行业内企业的误差同步波动。
👉 更适合行业政策、产业调整或行业景气度研究。
（3）按地区聚类
隐含判断是：地方制度、营商环境或区域政策，对辖区内企业产生共同影响。
👉 常见于区域政策与地方治理相关研究。
需要强调的是：这些选择并不存在统一的“正确答案”，但必须与研究对象和制度背景相匹配。
05 为什么“多聚一层”，并不一定更稳健？
一个常见直觉是：
“既然不确定，就双向聚类，应该更安全。”
但在实践中，这种做法并不总是合理。
原因在于：
- 双向聚类对样本结构要求更高
- 在时间维度较短的数据中，可能导致标准误严重膨胀
- 有时只是机械地增加不确定性，而并未对应真实误差结构
因此，是否采用双向聚类，仍然必须回到一个根本问题：
误差的相关性，究竟主要来自哪里？
06 审稿人真正关心的是什么？
在审稿过程中，审稿人通常并不执着于：
你“选了哪一种 cluster”。
他们更关心的是：
- 聚类选择是否有清晰的经济学或制度直觉
- 是否与你的研究对象和数据结构一致
- 是否在文中明确说明了判断依据
相比之下，“多聚一层但说不清原因”，反而更容易引发质疑。
07 小结：聚类选择，本质是一种研究判断
这一讲可以总结为三点：
- Cluster 的对象，是误差结构，而不是变量本身
- 聚类层级的选择，必须服务于对误差相关来源的判断
- 清晰说明判断逻辑，往往比选择哪一种形式更重要
写在最后
在面板数据分析中，真正成熟的做法，并不是：
“把所有可能的问题都修正一遍”
而是清楚地知道：
- 哪些不确定性是模型无法消除的
- 并在推断阶段，对它们保持足够的谦逊