Puis-je tester l'autocorrélation à partir du modèle des moindres carrés généralisés?

Question

Je suis en train d'utiliser un modèle carré moins généralisé (gls en R) sur mes données de panel pour traiter avec le problème d'auto-corrélation. Je ne veux pas de retards pour les variables. J'essaie d'utiliser le test Durbin-Watson (dwtest dans R) pour vérifier le problème d'autocorrélation de mon modèle des moindres carrés généralisés (gls). Cependant, je trouve que le dwtest n'est pas applicable sur gls fonction alors qu'il est applicable à d'autres fonctions telles que lm.

Y at-il un moyen de vérifier le problème de mon modèle de autocorrelation gls?

Answer 1

Durbin-Watson test is designed to check for presence of autocorrelation dans les modèles standard des moindres carrés (tels que celui ajusté par lm). Si l'autocorrélation est détectée, on peut alors la capturer explicitement dans le modèle en utilisant, par exemple, les moindres carrés généralisés (gls dans R). Je crois comprendre que Durbin-Watson ne convient pas alors critère de la « qualité de l'ajustement » dans les modèles qui en résultent, comme gls résidus ne peuvent plus suivre la même distribution que les résidus du modèle lm standard. (Quelqu'un avec une connaissance plus approfondie des statistiques devrait me corriger, si je me trompe). Cela dit, la fonction durbinWatsonTest du paquet car accepte les résidus arbitraires et renvoie la statistique de test associée. Vous pouvez donc faire quelque chose comme ceci:

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

Notez que durbinWatsonTest calculera les valeurs p uniquement pour lm modèles (probablement en raison des considérations décrites ci-dessus), mais vous pouvez les estimer de façon empirique en permutant vos données/résidus.