r - 我可以测试广义最小二乘模型的自相关吗？

Question

我正在尝试在我的面板数据上使用广义最小二乘模型(R 中的gls)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(R 中的 dwtest)来检查我的广义最小二乘模型 (gls) 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。

有没有办法从我的 gls 模型中检查自相关问题？

Answer 1

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(R 中的 gls)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”，如 gls残差可能不再遵循与标准 lm 中的残差相同的分布模型。 (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，函数durbinWatsonTest来自car包将接受任意残差并返回相关的测试统计量。因此，您可以执行以下操作:

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

请注意durbinWatsonTest将仅计算 lm 的 p 值模型(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。