Kann ich Autokorrelation aus dem verallgemeinerten Modell der kleinsten Quadrate testen?

Question

Ich versuche ein verallgemeinertes Least-Square-Modell (gls in R) auf meinen Panel-Daten zu verwenden, um Autokorrelationsprobleme zu behandeln. Ich möchte keine Verzögerungen für irgendwelche Variablen haben.

Ich versuche, den Durbin-Watson-Test (dwtest in R) zu verwenden, um das Autokorrelationsproblem von meinem verallgemeinerten Least-Square-Modell (gls) zu überprüfen. Ich finde jedoch, dass die dwtest nicht über gls Funktion anwendbar ist, während es für andere Funktionen wie lm anwendbar ist.

Gibt es eine Möglichkeit, das Autokorrelationsproblem von meinem gls Modell zu überprüfen?

Answer 1

Durbin-Watson test is designed to check for presence of autocorrelation in Standard-Kleinste-Quadrate-Modellen (z. B. ein von lm angepasst). Wenn eine Autokorrelation detektiert wird, kann sie dann explizit im Modell erfasst werden, beispielsweise unter Verwendung von verallgemeinerten kleinsten Quadraten (gls in R). Meines Erachtens ist Durbin-Watson nicht geeignet, um dann in den resultierenden Modellen auf "Anpassungsgüte" zu prüfen, da gls Residuen nicht mehr der gleichen Verteilung wie Residuen aus dem Standardmodell lm folgen können. (Jemand mit einem tieferen Statistikwissen sollte mich korrigieren, wenn ich falsch liege).

Mit diesem, wird die Funktion durbinWatsonTest aus dem car-Paket beliebige Restwerte akzeptieren und die zugehörige Teststatistik zurückgeben. Sie können also so etwas tun:

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

Beachten Sie, dass durbinWatsonTest nur für lm Modelle (wahrscheinlich aufgrund der Überlegungen wie oben beschrieben) p-Werte berechnen, aber Sie können sie empirisch abschätzen, indem Sie Ihre Daten/Residuen Permutation.