我可以从广义最小二乘模型中测试自相关吗？

Question

我试图gls在我的面板数据上使用广义最小二乘模型(在R中)来处理自相关问题.我不希望任何变量有任何滞后.

我正在尝试使用Durbin-Watson测试(dwtest在R中)来检查我的广义最小二乘模型(gls)中的自相关问题.但是,我发现它dwtest不适用于gls功能,而它适用于其他功能,如lm.

有没有办法从我的gls模型中检查自相关问题？

Answer 1

Durbin-Watson 检验旨在检查标准最小二乘模型（例如由 拟合的模型lm）中是否存在自相关。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 不适合在结果模型中测试“拟合优度”，因为gls残差可能不再遵循与标准lm模型残差相同的分布。（如果我错了，有更深入的统计知识的人应该纠正我）。

话虽如此，包durbinWatsonTest中的函数car将接受任意残差并返回相关的测试统计量。因此，你可以这样做：

v <- gls( ... )$residuals
attr(v,"std") <- NULL      # get rid of the additional attribute
car::durbinWatsonTest( v )

请注意，durbinWatsonTest只会计算模型的 p 值lm（可能是由于上述考虑因素），但您可以通过排列数据/残差来凭经验估计它们。