如何检验两个相加的时间序列回归系数的显着性？

Question

我在 R 中估计了一个包含乘法指标变量的时间序列模型。该模型如下所示：

 dynlm(returns.ts[,1] ~ 1 + Dummy.ts + Mkt.Rf + Mkt.Rf:Dummy.ts + SMB + SMB:Dummy.ts + HML + HML:Dummy.ts + RMW + RMW:Dummy.ts + CMA + CMA:Dummy.ts)

Dummy.ts是表示股市牛市或熊市的系数，牛市时为0，熊市时为1。如果我理解正确的话，它自己的拦截是牛市拦截，拦截+ Dummy.ts是熊市拦截。

现在我想测试截距加上 Dummy.ts 指标变量是否显着。我不想执行 F 检验或 LR 检验，只是将系数加在一起以检验截距在熊市期间是否显着。这可能吗？这将如何在 R 中执行？有没有标准化的方法？是否可以使用 Newey West 标准误差？

谢谢。

Answer 1

在没有新 'Dummy.ts' 变量的情况下构建一个更简单的嵌套模型并在您的两个模型上调用 anova() 怎么样？

mod0 <- (returns ~ 1 + Mkt.rf + ..., data = datf)
mod1 <- (returns ~ 1 + Dummy.ts + Mkt.rf + ..., data = datf)

anova(mod0, mod1)

最后一列将为您提供一个 Pr(>Chisq) 值，您可以将该值与您的 p 值阈值 (~.05) 进行比较，以确定您的新预测是否显着？请记住，模型必须嵌套，这意味着除了正在测试的新模型之外，所有预测变量都必须保留。

How to test significance of two added time series regression coefficients?