可以使用另一种汇总函数来执行稳健的回归。

lm.object <- lm(a~b+c)
summary(lm.object, robust=TRUE)

要获得稳健的标准误差，您将汇总函数中的参数“稳健”设置为 TRUE。

以下博客条目提供了功能和功能的详细说明： https ://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r

我认为有几种方法。我没有看过它们，不确定哪个是最好的：

1. sandwich包装：

   library(sandwich)    
   coeftest(model, vcov=sandwich)
   

但是由于某种原因，这并没有给我从 Stata 得到的相同答案。我从来没有试图找出原因，我只是不使用这个包。

1. 包：我觉得这rms有点痛苦，但通常会通过一些努力得到好的答案。它对我来说是最有用的。

   model = ols(a~b, x=TRUE)    
   robcov(model)
   

2. 您可以从头开始编写代码（请参阅此博客文章）。它看起来是最痛苦的选择，但非常容易，而且这种选择通常效果最好。

一个简单/快速的解释是 Huber-White 或 Robust SE 是从数据而不是从模型中得出的，因此对许多模型假设都是稳健的。但与往常一样，如果您有兴趣，快速的 Google 搜索会以极其详细的方式列出这一点。