0

およびのダービン ワトソン テスト (それぞれおよび) と比較して、なぜpdwtest()非常に異なる p 値を出力するのか疑問に思いました。以下の違いのドキュメントを見つけてください。その後、plm のソースから取得したコードを提供し、問題の修正を試みました。誰かがそれを見てもらえますか？それでも p 値は一致しませんが、非常に近い値です。それは数値精度によるものだと思いますか？また、ランダム効果モデルの p 値については完全にはわかりませんが、これは統計上の問題であり、プログラミングの問題ではありません (検定のために切片を残しますか?)。lmtestcardwtest()dwt()pdwtest()

EDIT 2019-01-04 : Bhargava らの一般化されたダービン・ワトソン統計。(1982) および Baltagi/Wu の LBI 統計は現在、plm の最新バージョン (1.7-0) で として実装されていpbnftest()ます。

ここで起こっていることを区別する必要があると思います：

1) p 値: 追加の切片が lmtest::dwtest() に渡されるため、p 値はずれているようです。私の推測では、これは自由度の間違った計算につながり、したがって疑わしい p 値につながります。

以下の文書とhttp://www.stata.com/manuals14/xtxtregar.pdfを参照してください。

Bhargava, Franzini, Narendranathan, Serial Correlation and the Fixed Effects Model, Review of Economic Studies (1982), XLIX, pp. 533-549

バルタギ、BH、PX ウー。1999. AR(1) 乱れを伴う不等間隔のパネル データ回帰。計量経済理論 15、pp 814–823。

バージョン: R 3.1.3 plm_1.4-0 lmtest_0.9-34

require(plm)
require(lmtest)
require(car)

data("Grunfeld")

# Use lm() for pooled OLS and fixed effects
lm_pool <- lm(inv ~ value + capital, data = Grunfeld)
lm_fe   <- lm(inv ~ value + capital + factor(firm), data = Grunfeld)

# Use plm() for pooled OLS and fixed effects
plm_pool <- plm(inv ~ value + capital, data=Grunfeld, model = "pooling")
plm_fe   <- plm(inv ~ value + capital, data=Grunfeld, model = "within")
plm_re   <- plm(inv ~ value + capital, data=Grunfeld, model = "random")

# Are the estimated residuals for the pooled OLS and fixed effects model by plm() and lm() the same? => yes
all(abs(residuals(plm_pool) - residuals(lm_pool)) < 0.00000000001)
## [1] TRUE
all(abs(residuals(plm_fe)   - residuals(lm_fe))   < 0.00000000001)
## [1] TRUE

# Results match of lmtest's and car's durbin watson test match
lmtest::dwtest(lm_pool)
##  Durbin-Watson test
## 
## data:  lm_pool
## DW = 0.3582, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0

car::dwt(lm_pool)
##  lag Autocorrelation D-W Statistic p-value
##    1       0.8204959     0.3581853       0
##  Alternative hypothesis: rho != 0

lmtest::dwtest(lm_fe)
##  Durbin-Watson test
## 
## data:  lm_fe
## DW = 1.0789, p-value = 1.561e-13
## alternative hypothesis: true autocorrelation is greater than 0

car::dwt(lm_fe)
##  lag Autocorrelation D-W Statistic p-value
##    1       0.4583415      1.078912       0
##  Alternative hypothesis: rho != 0

# plm's dw statistic matches but p-value is very different (plm_pool) and slightly different (plm_fe)
pdwtest(plm_pool)
##  Durbin-Watson test for serial correlation in panel models
## 
## data:  inv ~ value + capital
## DW = 0.3582, p-value = 0.7619
## alternative hypothesis: serial correlation in idiosyncratic errors

pdwtest(plm_fe)
##  Durbin-Watson test for serial correlation in panel models
## 
## data:  inv ~ value + capital
## DW = 1.0789, p-value = 3.184e-11
## alternative hypothesis: serial correlation in idiosyncratic errors
4

1 に答える 1

3

「plm」開発者はこちら。奇妙な p 値は調査する価値があります (noticeはfrom packagepdwtestの単なるラッパーです)。報告してくれてありがとう。dwtestlmtest

この背後にある計量経済学について: Bharghava et al. テストは基本的に何をするかpdwtest()です。ダービン・ワトソン検定は一般に、多くの点で次善の手順であるため、最新の教科書のほとんどはむしろ Breusch-Godfrey を示唆しています (pbgtest()パネル バージョンについては「plm」を参照)。変換された残差は H0 の下で「白」であるため、RE は問題ありません。非常に長いパネルを除いて、DW と BG のテストは一般的に不適切であるように、侮辱によって引き起こされる系列相関のために、FE は注意して扱われるべきです: JStatSoft 27/2、2008、p.26 の私のコメントを参照してください。特に幅の広いパネルの場合のより良い代替手段は、Wooldridge によるテストです。最初の差分テスト ( pwfdtest()'plm' では、Stata にもあります。Drukker による論文を参照してください) および 'plm' で実装されたテストはpwartest()、

于 2015-08-11T10:49:26.477 に答える