我可以从广义最小二乘模型测试自相关吗?
Can I test autocorrelation from the generalized least squares model?
我正在尝试对我的面板数据使用广义最小二乘模型(gls
in R)来处理自相关问题。
我不想对任何变量有任何滞后。
我正在尝试使用 Durbin-Watson 检验(R 中的dwtest
)来检查广义最小二乘模型(gls
)中的自相关问题。
但是,我发现 dwtest
不适用于 gls
函数,而它适用于 lm
等其他函数。
有没有办法检查我的 gls
模型的自相关问题?
Durbin-Watson test is designed to check for presence of autocorrelation 在标准最小二乘模型中(例如由 lm
拟合的模型)。如果检测到自相关,则可以使用例如广义最小二乘法(gls
在 R 中)在模型中明确捕获它。我的理解是 Durbin-Watson 不适合在生成的模型中测试 "goodness of fit",因为 gls
残差可能不再遵循与标准 lm
模型中的残差相同的分布。 (如果我错了,应该有更深入的统计知识的人来纠正我)。
话虽如此,car
包中的函数 durbinWatsonTest
将接受任意残差和 return 相关的检验统计量。因此,您可以这样做:
v <- gls( ... )$residuals
attr(v,"std") <- NULL # get rid of the additional attribute
car::durbinWatsonTest( v )
请注意,durbinWatsonTest
将仅为 lm
模型计算 p 值(可能是出于上述考虑),但您可以通过排列数据/残差来凭经验估计它们。
我正在尝试对我的面板数据使用广义最小二乘模型(gls
in R)来处理自相关问题。
我不想对任何变量有任何滞后。
我正在尝试使用 Durbin-Watson 检验(R 中的dwtest
)来检查广义最小二乘模型(gls
)中的自相关问题。
但是,我发现 dwtest
不适用于 gls
函数,而它适用于 lm
等其他函数。
有没有办法检查我的 gls
模型的自相关问题?
Durbin-Watson test is designed to check for presence of autocorrelation 在标准最小二乘模型中(例如由 lm
拟合的模型)。如果检测到自相关,则可以使用例如广义最小二乘法(gls
在 R 中)在模型中明确捕获它。我的理解是 Durbin-Watson 不适合在生成的模型中测试 "goodness of fit",因为 gls
残差可能不再遵循与标准 lm
模型中的残差相同的分布。 (如果我错了,应该有更深入的统计知识的人来纠正我)。
话虽如此,car
包中的函数 durbinWatsonTest
将接受任意残差和 return 相关的检验统计量。因此,您可以这样做:
v <- gls( ... )$residuals
attr(v,"std") <- NULL # get rid of the additional attribute
car::durbinWatsonTest( v )
请注意,durbinWatsonTest
将仅为 lm
模型计算 p 值(可能是出于上述考虑),但您可以通过排列数据/残差来凭经验估计它们。