随机效应模型的异方差检验
Heteroscedasticity Test for Random Effects Model
大家
我是 运行 使用 plm 包的随机效应模型，现在我需要测试是否存在异方差性，但我不确定如何在提到的过程中处理它包裹。
我的模型：
random <- plm(Y ~ X, data=panel_data, model= "random", effect = "twoways")
提前致谢！
可以使用 plm::pcdtest() 函数测试异方差性和横截面相关性，如 plm package vignette. A comprehensive walkthrough illustrating how to interpret the results from plm random and fixed effect models is Getting Started with Fixed and Random Effects Models in R 第 50 页所述，可在普林斯顿大学的数据和统计服务网站上找到。
使用 plm 小插图中的示例：
library(plm)
data("Grunfeld", package = "plm")
g <- plm(inv ~ value + capital, data = Grunfeld, index = c("firm", "year"))
pcdtest(g)
...结果：
> pcdtest(g)
Pesaran CD test for cross-sectional dependence in panels
data: inv ~ value + capital
z = 4.6612, p-value = 3.144e-06
alternative hypothesis: cross-sectional dependence
大家
我是 运行 使用 plm 包的随机效应模型，现在我需要测试是否存在异方差性，但我不确定如何在提到的过程中处理它包裹。
我的模型：
random <- plm(Y ~ X, data=panel_data, model= "random", effect = "twoways")
提前致谢！
可以使用 plm::pcdtest() 函数测试异方差性和横截面相关性，如 plm package vignette. A comprehensive walkthrough illustrating how to interpret the results from plm random and fixed effect models is Getting Started with Fixed and Random Effects Models in R 第 50 页所述，可在普林斯顿大学的数据和统计服务网站上找到。
使用 plm 小插图中的示例：
library(plm)
data("Grunfeld", package = "plm")
g <- plm(inv ~ value + capital, data = Grunfeld, index = c("firm", "year"))
pcdtest(g)
...结果：
> pcdtest(g)
Pesaran CD test for cross-sectional dependence in panels
data: inv ~ value + capital
z = 4.6612, p-value = 3.144e-06
alternative hypothesis: cross-sectional dependence