FGLS 使用 R 中的 plm 包校正序列相关性和异方差性

Question

我正在运行回归 model 具有一些异方差性和序列相关性，我试图在不改变我的 model 规范的情况下解决这两个问题。

首先，我生成了一个 OLS model 并实现了异方差性和序列相关性这两个问题。所以，我尝试用plm的pggls命令运行一个可行的广义最小二乘法（FGLS）model来同时解决这两个问题，但是这个命令似乎只能解决异方差和不是序列相关。

我的代码如下：

base<-pdata.frame(base, index = c("ID","time"), drop = FALSE)
Reg<-pggls(sells~ prices + income + stock+
           period1 + period2+ period3, model = c("pooling"), 
           data=base)

这个命令似乎纠正了异方差性，但它肯定不能纠正序列相关性，因为我创建了一个简单的证明。下面我生成了残差和回归滞后残差之间的回归 model:

res = Reg$res 
n = length(res)
mod = lm(res[-n] ~ res[-1]) 
summary(mod)

res[-1]系数是mod是有意义的。所以并没有解决序列相关问题

有人知道如何向 pggls 命令添加一些选项来解决这个问题吗？或者有人知道解决这两个问题的更好的命令吗？不一定非得是面板数据命令，因为我只有1个人。

Answer 1

只要你说不需要面板结构就可以直接修正标准误，这是计量经济学文献中使用较多的方法。其实GLS估计在今天有点过时了...

你可以这样做：

library(sandwich)
library(lmtest)

reg <-lm(sells ~ prices + income + stock + period1 + period2+ period3, data = base)

coeftest(reg, vcov = vcovHAC(reg))

为了完整起见，如果您想像 Stata 那样产生聚类稳健估计，您可以尝试使用 here.

中的 Tarzan 的 cl 函数

FGLS 使用 R 中的 plm 包校正序列相关性和异方差性

FGLS Correcting Serial Correlation and heteroskedasticity with plm package in R

r

linear-regression

plm