Cargar los datos

library(wooldridge)
library(lmtest)
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
data(hprice1)
head(force(hprice1),n=5)
price assess bdrms lotsize sqrft colonial lprice lassess llotsize lsqrft
300 349.1 4 6126 2438 1 5.703783 5.855359 8.720297 7.798934
370 351.5 3 9903 2076 1 5.913503 5.862210 9.200593 7.638198
191 217.7 3 5200 1374 0 5.252274 5.383118 8.556414 7.225481
195 231.8 3 4600 1448 1 5.273000 5.445875 8.433811 7.277938
373 319.1 4 6095 2514 1 5.921578 5.765504 8.715224 7.829630

Estimar el modelo

modelo <- lm(price ~ lotsize + sqrft + bdrms, data = hprice1)

Prueba de Durbin Watson

dwtest(modelo)
## 
##  Durbin-Watson test
## 
## data:  modelo
## DW = 2.1098, p-value = 0.6777
## alternative hypothesis: true autocorrelation is greater than 0

Dado que el Valor p >= nivel de significancia No hay que rechazar la hipótesis nula de no autocorrelación. No hay evidencia suficiente para afirmar la presencia de autocorrelación en los residuos.

Prueba del Multiplicador de Lagrange primer orden

bgtest(modelo, order = 1)
## 
##  Breusch-Godfrey test for serial correlation of order up to 1
## 
## data:  modelo
## LM test = 0.39362, df = 1, p-value = 0.5304

Con un valor p de 0.5304 y considerando un nivel de significancia típico de 0.05, no se rechaza la hipótesis nula de no autocorrelación de primer orden en los residuos.

Prueba del Multiplicador de Lagrange segundo orden

bgtest(modelo, order = 2)
## 
##  Breusch-Godfrey test for serial correlation of order up to 2
## 
## data:  modelo
## LM test = 3.0334, df = 2, p-value = 0.2194

Con un valor p de 0.2194 y un nivel de significancia típico de 0.05, no hay suficiente evidencia para rechazar la hipótesis nula de no autocorrelación de segundo orden en los residuos. Esto implica que no se encontró autocorrelación de segundo orden significativa en los residuos del modelo.