R - 在多元回归模型中测试 homo/heteroscedasticity 和共线性
R - Testing for homo/heteroscedasticity and collinearity in a multivariate regression model
我正在尝试优化多元线性回归模型 lmMod=lm(depend_var~var1+var2+var3+var4....,data=df)，目前我正在研究模型的前提：残差的恒定方差和不存在自相关。为此，我使用：
homo/heteroscedasticity 的 Breusch-Pagan 测试：lmtest::bptest(lmMod)
Durbin Watson 自相关检验：durbinWatsonTest(lmMod)
我找到了一次测试一个独立变量的示例：
Breush-Pagan 检验示例 – 一个自变量：
https://datascienceplus.com/how-to-detect-heteroscedasticity-and-rectify-it/
Durbin Watson 检验示例 - 一个自变量：
http://math.furman.edu/~dcs/courses/math47/R/library/lmtest/html/dwtest.html
或者一次有几个自变量的整个模型：
Durbin Watson 检验示例 – 多自变量：
https://www.rdocumentation.org/packages/car/versions/2.1-6/topics/durbinWatsonTest
问题如下：
durbinWatsonTest() 和 bptest() 可以使用完整的多变量模型- 如果对 1 的回答是肯定的，那么如何确定哪个变量导致模型中的异方差或自相关以便修复它，因为这些测试中的每一个都只给出整个模型的一个 p 值多元模型？
- 如果对 1 的回答是否定的，则应一次用一个因变量执行测试。但在同方差性的情况下，它只能在对特定回归建模后才能进行测试。因此，单变量回归模型
lmMod_1=lm(depend_var~var1, data=df) 中 homo/heteroscedasticity 的模式将不同于多元回归模型 lmMod_2=lm(depend_var~var1+var2+var3+var4....,data=df) 的模式
非常感谢您的帮助！
我想尝试提供第一个帮助
第一个问题的答案：是的，您可以对多变量模型使用 Breusch-Pagan 检验和 Durbin Watson 检验。 （但是，我一直使用 dwtest() 而不是 durbinWatsonTest()）。
另请注意，dwtest() 仅检查 first-order 自相关。不幸的是，我不知道如何找出哪个变量导致异方差或 auto-correlation。但是，如果您遇到这些问题，那么一个可能的解决方案是使用稳健的估计方法，例如在 NeweyWest（使用：coeftest (regression model, vcov = NeweyWest)）自相关或 coeftest(regression model, vcov = vcovHC) 异方差之后，均来自 AER 包。
我正在尝试优化多元线性回归模型 lmMod=lm(depend_var~var1+var2+var3+var4....,data=df)，目前我正在研究模型的前提：残差的恒定方差和不存在自相关。为此，我使用：
homo/heteroscedasticity 的 Breusch-Pagan 测试：
lmtest::bptest(lmMod)Durbin Watson 自相关检验：
durbinWatsonTest(lmMod)
我找到了一次测试一个独立变量的示例：
Breush-Pagan 检验示例 – 一个自变量： https://datascienceplus.com/how-to-detect-heteroscedasticity-and-rectify-it/
Durbin Watson 检验示例 - 一个自变量： http://math.furman.edu/~dcs/courses/math47/R/library/lmtest/html/dwtest.html
或者一次有几个自变量的整个模型：
Durbin Watson 检验示例 – 多自变量： https://www.rdocumentation.org/packages/car/versions/2.1-6/topics/durbinWatsonTest
问题如下：
durbinWatsonTest()和bptest()可以使用完整的多变量模型- 如果对 1 的回答是肯定的，那么如何确定哪个变量导致模型中的异方差或自相关以便修复它，因为这些测试中的每一个都只给出整个模型的一个 p 值多元模型？
- 如果对 1 的回答是否定的，则应一次用一个因变量执行测试。但在同方差性的情况下，它只能在对特定回归建模后才能进行测试。因此，单变量回归模型
lmMod_1=lm(depend_var~var1, data=df)中 homo/heteroscedasticity 的模式将不同于多元回归模型lmMod_2=lm(depend_var~var1+var2+var3+var4....,data=df) 的模式
非常感谢您的帮助！
我想尝试提供第一个帮助
第一个问题的答案：是的，您可以对多变量模型使用 Breusch-Pagan 检验和 Durbin Watson 检验。 （但是，我一直使用 dwtest() 而不是 durbinWatsonTest()）。
另请注意，dwtest() 仅检查 first-order 自相关。不幸的是，我不知道如何找出哪个变量导致异方差或 auto-correlation。但是，如果您遇到这些问题，那么一个可能的解决方案是使用稳健的估计方法，例如在 NeweyWest（使用：coeftest (regression model, vcov = NeweyWest)）自相关或 coeftest(regression model, vcov = vcovHC) 异方差之后，均来自 AER 包。