r 语言dw检验诊断序列的自相关性_stata速学|异方差检验|自相关性检验|多重共线性检验...

最新推荐文章于 2024-07-11 02:05:00 发布
最新推荐文章于 2024-07-11 02:05:00 发布
阅读量1w 收藏 16
点赞数 2
文章标签： r 语言dw检验诊断序列的自相关性
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_30874365/article/details/113625923
版权
本文介绍了如何使用r语言进行DW检验，以诊断回归分析中序列的自相关性问题。通过学习，读者将掌握回归检验的基础流程，并能应用于非线性回归、Logit回归等更复杂的分析中。
摘要由CSDN通过智能技术生成

ffbaf9e6e9b1beab5ceac03a724d6112.gif

NO.05

ZEYI

06.2020

正文共： 4314字 54图

预计阅读时间： 11分钟

嘿喽，我是则已。这是stata的第五期学习。 247e65906859f6a1953913363bc28980.gif

前面学习了聚类分析、ols回归分析。今天来学习：回归检验。学到这里，恭喜你，你已经对最基本回归分析整个流程都走了一遍。接下来涉及的非线性回归，Logit回归，因变量受限回归，时间序列分析，面板数据分析都与最基本的回归方法有一些联系。

划线部分是自己要研究的变量。

回归检验 be03281872a617fe4c1fc56a503a0516.png 前面我们学习了最小二乘回归，这种回归方法简单并且满足我们大部分的研究需要，但是能进行这种回归的前提是有条件的：变量无异方差，变量无自相关，变量无多重共线性。 所以在进行回归之后我们要检验一下数据是否存在这样的问题，如果存在了，我们要进行处理之后再进行一次最小二乘回归分析。本回归检验包含三部分：异方差检验与应对、自相关检验与应对、多重共线性检验与应对。 01 异方差检验与应对 能进行回归分析的一个基本假设：因变量的方差不随自身预测值和其他自变量的值变化而改变。但是如果在回归时不满足这个假设条件，就会出现异方差的情况。常用来判断是否出现异方差的检验办法有：绘制残差序列图、怀特检验、BP检验 解决出现异方差的的方法有：使用标准差进行回归、使用加权最小二乘回归分析方法进行回归。 首先对数据进行描述性分析，看看数据特征: summarize V1 V2 V3 V4 V5,detail eb831ee7dd73de87c18331618cf0253e.png 结果分析：描述性分析可以进行简单的数字分析，也可以进行比较仔细地数字分析，这里进行的是比较详细的分析，故加了detail。进行描述性分析是为了看看样本中是否存在极端的数据，看看极大值、极小值，还有数据之间是不是差距过大。 数据整体不错，进行下一步相关性分析：correlate V1 V2 V3 V4 V5 6d54303eba1990c40048b58bbe3b2253.png 结果分析：大家可以发现在回归前数据必定会进行描述性分析和相关性分析，进行相关性分析是为了看看变量之间有没有关系。可以看出它们的关系还是可以接受的。 进行回归分析：regress V1 V2 V3 V4 V5 337076cdc4de53875663a2b8ea434d22.png 结果分析：F值为437.69，P值为0可以看出模型是非常显著的。R-squared超过了92%说明模型解释能力近乎完美的。但是V5的P值是0.518，比较不显著的。由下表Coef、cons可以得到该模型的方程式： V1=0.7203941V2+0.4363412V3+0.426517V4-0.2198884V5+0.3897354 获取方差和协方差矩阵：vce 7a209c714876e11680c872578e3dd229.png 结果分析：自变量方差和协方差都不大。 检验各个变量系数的显著性：test V2 V3 V4 V5 e1bca8591a19c06f1628dfe7d6de4cf8.png 结果分析：发现自变量联合系数检验是非常显著的。通过了假设检验。 预测因变量的拟合值和残差： predict yhat  predict e,resid
最低0.47元/天 解锁文章
Alabaaaa
关注
stata 自相关专题【计量经济系列（五）】
侯小啾技术博客
05-11 1万+
stata 自相关专题【计量经济系列（五）】* 使用icecream数据集 1.时间序列算子1.散点图2.BG检验3. Q检验4. DW检验5. 自相关处理5.1 OLS+异方差 自相关稳健的标准误(HAC)5.2 准差分法CO估计法PW估计法5.3 修改模型设定 ...
MATLAB算法实战应用案例精讲-【数模应用】残差检验(附Java、python和MATLAB代码)
qq_36130719的博客
05-29 1325
残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析。
r语言确定最优滞后阶数_计量经济学与R语言（四）自相关
weixin_39634480的博客
12-08 4125
经典多元回归的基本假设之一就是误差之间没有相关性。如果误差的各期值之间存在一定的相关关系，则成为误差的自相关。library(ggplot2) library(foreign) data7.1<-read.dta("case 7-1.dta") lm1<-lm(FOOD~IN+EX , data=data7.1) summary(lm1) e<-summary(lm1)$re...
检验杜宾 瓦森检验法R语言_回归分析 | R语言回归算法、模型诊断
weixin_39599166的博客
12-23 2446
一、回归算法1.1 一元线性回归最小二乘法：通过使因变量的真实值和估计值之间的离差平方和达到最小来求 β0 和 β11.2 多元回归(今天先略过)通过矩阵来求解最小二乘法二、回归算法相关函数使用 R 自带的 women 数据集一元线性回归# 模型创建fit1 = lm(weight~.,data=women)# 查看拟合结果plot(women)abline(fit1)发现点有些弯曲，可能存在二次...
R语言不同滞后阶数自相关检验代码
weixin_41397292的博客
07-11 54
R语言不同滞后阶数自相关检验 在时间序列分析中，自相关函数（Autocorrelation Function, ACF）是一种用于检测序列中各时点之间相关性的统计方法。在R语言中，我们可以使用acf()函数来计算序列的自相关系数，并通过绘制自相关图来可视化这些系数。 而滞后阶数则是指在计算自相关系数时所考虑的时间滞后的阶数...
检验杜宾 瓦森检验法R语言_EVIEWS序列相关检验2.pdf
weixin_31730595的博客
12-23 1636
EVIEWS序列相关检验2序列相关检验、处理及案例内蒙古科技大学经济与管理学院边璐 2011.11.10内容安排• 自相关性的检验• 自相关性的解决方法• 案例分析自相关性的检验• 1、图示法(上节课已说过)• 2、DW检验• 3、回归检验法• 4、高阶自相关性检验2、杜宾-瓦森(Durbin-Watson)检验法D‐W 检验是杜宾( J.Durbin )和瓦森 (G....
一阶广义差分模型_计量经济学第10讲（时间序列计量经济学模型：序列相关性）...
weixin_39638309的博客
12-21 2823
第五章、时间序列计量经济学模型5.1时间序列模型的序列相关性5.1.1序列相关概念对一时间序列模型关于随机误差项有一基本假定是它们之间不相关，即当这一假定不再满足时，如果其他基本假定都满足，则 ，此时如果相关的解释变量只相差一期 ，称为一阶序列相关或一阶自相关。一般我们设这一相关是线性的，即 ，其中 是自相关系数。 是满足OLS假定的误差项。如果是 ，称为s阶序列相关或s阶自相关。5.1.2...
R语言回归、anova方差分析、相关性分析 《精品购物指南》调研数据可视化
拓端研究室TRL
03-03 288
全文链接：http://tecdat.cn/?p=30990在分析时，我们向客户演示了用R语言回归、anova方差分析、相关性分析可以提供的内容（点击文末“阅读原文”获取完整代码数据）。第一节 研究背景与目的《精品购物指南》是中国本土经营规模最大、最具影响力的时尚媒体品牌，1999年《精品购物指南》即进入全国报业广告十强，2005～2007连续三年获得国家新闻出版总署颁布的“全国生活服务类报纸竞争...
第11章Stata回归诊断与应对
qq_45112156的博客
09-16 1万+
在上以讲中，简要介绍了最小二乘线性回归，这种方法可以满足大部分的研究需要。但是这种分析方法的有效性建立在变量无异方差、无自相关、无多重线共线性的基础之上。显示生活中很多数据是不满足这些条件的 ...
DW检验算法的matlab代码
08-18
DW检验算法的matlab代码的实现。matlab比赛用
r语言boxcox异方差_R教程-15：线性回归中的异方差
weixin_33626609的博客
12-28 3148
在我们以前做线性回归的时候，总是公式上手直接套，并没有考虑到能够利用线性回归先要满足零均值、同方差、无自相关以及正态分布等假定，假设数据不符合同方差假定，那么残差的方差会被严重低估，从而使得伪错误的几率上升，整个模型的拟合精度会大幅下降。那么我们如何去检测数据是否存在异方差呢？在R语言里面，我们可以通过统计检验、图形法来找出答案。例子数据是R内置的cars数据集，先利用lm函数来建立模型：lmMo...
r语言boxcox异方差_R语言手把手 数理统计2 方差分析
weixin_30831261的博客
12-20 502
【本文用于教学】方差分析ANOVAone-way ANOVA##eg1x <- c(5,8,7,7,10,8,4,6,6,3,5,6,6,4,4,5,4,3,7,4,6,6,3,5,9,3,5,7,7,6)group <- c(rep("1",6),rep("2",6),rep("3",6),rep("4",6),rep("5",6))dat <- data.frame(x=x,...
违背基本假设的几种情况——自相关性（R语言）
Aries_young的博客
01-20 5758
自相关性的诊断 DW检验 DW检验的代码实现如下： data2.2&amp;lt;-read.csv(&quot;C:/Users/Administrator/Desktop/data2.2.csv&quot;,head=TRUE) lm2.2&amp;lt;-lm(y~x,data=data2.2) library(lmtest) dwtest(lm2.2,alternative=&quot;two.sided&quot;) 输出结果如下：
r语言相关性分析_R语言 相关性分析与检验
weixin_39755952的博客
12-08 4966
“题外话：相关性不是因果，相关性只能说数据上来讲两个或多个因素具有正/负/无相关性，其间没有谁决定谁的关系”相关系数(correlation coefficient)用于描述两个变量之间的相关程度。一般在[-1, 1]之间。有，pearson相关系数：适用于连续性变量，且变量服从正态分布的情况，为参数性的相关系数。spearman等相关系数：适用于连续性及分类型变量，为非参数性的相关系数...
r 语言dw检验诊断序列的自相关性_人口年龄结构对居民储蓄率影响的实证分析之Granger因果关系检验（4）...
weixin_42502363的博客
02-03 1238
自相关检验由CXL、CDR和ROI的最小二乘估计结果可知，DW=1.451，经查表得到dL=1.05，dU=1.53，由于dLU，所以DW检验法不能确定变量之间是否存在自相关性。所以下列采用LM检验(亦称BG检验)法，下面是BG检验结果：表9 BG检验结果Heteroskedasticity Test: Breusch-Pagan-GodfreyF-statistic3.186214P...
R语言判别分析
weixin_47643553的博客
06-09 2529
library(openxlsx) #加载数据包 ## Warning: package 'openxlsx' was built under R version 4.0.5 d6.3 = read.xlsx('mvstats5.xlsx','d6.3');d6.3 ## Q C P G3 ## 1 8.3 4.0 29 1 ## 2 9.5 7.0 68 1 ## 3 8.0 5.0 39 1 ## 4 7.4 7.0 50 1 ## 5 8.8 6.5 55 1 ##
【R】多元线性回归（拟合）
a12141986的博客
04-19 6198
R实现多元线性回归，主要利用的就是lm()函数 熟悉其他统计回归量的函数，对做回归分析也是很有帮助的。 anova(m)： ANOVA表 coefficients(m)： 模型的系数 coef(m)： 跟coefficients(m)一样 confint(m)： 回归系数的置信区间 deviance(m)： 残差平方和 effects(m)： 正交效应向量（Vect...
计量经济学笔记6-Eviews操作-自相关的检验与消除（DW、LM检验与FGLS、广义差分变换）
热门推荐
weixin_48041573的博客
06-15 4万+
DW、LM检验与FGLS、广义差分变换
rossmann_sales_prediction.ipynb
最新发布
09-26
rossmann_sales_prediction.ipynb
工具变量GMM回归自相关性、异方差性、截面相关性检验及修正，以及修正后的工具变量GMM回归stata示例操作
05-24
工具变量GMM回归是一种处理内生性问题的方法，它利用外生变量作为工具变量来估计内生变量的系数。在进行工具变量GMM回归时，需要考虑自相关性、异方差性、截面相关性等问题，并进行相应的检验和修正。 一、自相关性检验及修正 1.检验自相关性 在进行工具变量GMM回归时，需要检验误差项是否存在自相关性。可以使用Stata中的"xtserial"命令进行检验。 例如，假设需要检验变量y是否存在一阶自相关性，可以使用以下命令： ``` xtserial y, lags(1) ``` 其中，"lags(1)"表示检验一阶自相关性。 2.修正自相关性 如果检验结果表明存在自相关性，则需要进行修正。可以使用Stata中的"xtivreg2"命令进行修正。该命令中的"fe"选项可以控制是否进行固定效应的控制。 例如，对于存在一阶自相关性的情况，可以使用以下命令进行修正： ``` xtivreg2 y x1 x2 (z1 z2), fe first robust ``` 二、异方差性检验及修正 1.检验异方差性 在进行工具变量GMM回归时，需要检验误差项是否存在异方差性。可以使用Stata中的"estat hettest"命令进行检验。 例如，假设需要检验变量y是否存在异方差性，可以使用以下命令： ``` xtivreg2 y x1 x2 (z1 z2), robust estat hettest ``` 2.修正异方差性 如果检验结果表明存在异方差性，则需要进行修正。可以使用Stata中的"xtivreg2"命令进行修正。该命令中的"robust"选项可以控制是否进行异方差性修正。 例如，对于存在异方差性的情况，可以使用以下命令进行修正： ``` xtivreg2 y x1 x2 (z1 z2), robust ``` 三、截面相关性检验及修正 1.检验截面相关性 在进行工具变量GMM回归时，需要检验误差项是否存在截面相关性。可以使用Stata中的"xtserial"命令进行检验。 例如，假设需要检验变量y是否存在截面相关性，可以使用以下命令： ``` xtserial y, pairwise ``` 2.修正截面相关性 如果检验结果表明存在截面相关性，则需要进行修正。可以使用Stata中的"xtivreg2"命令进行修正。该命令中的"cluster"选项可以控制是否进行截面相关性修正。 例如，对于存在截面相关性的情况，可以使用以下命令进行修正： ``` xtivreg2 y x1 x2 (z1 z2), fe first robust cluster(id) ``` 以上是工具变量GMM回归自相关性、异方差性、截面相关性检验及修正的操作示例。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值