Reporte
Carga de Datos
## price assess bdrms lotsize sqrft colonial lprice lassess llotsize lsqrft
## 1 300 349.1 4 6126 2438 1 5.703783 5.855359 8.720297 7.798934
## 2 370 351.5 3 9903 2076 1 5.913503 5.862210 9.200593 7.638198
## 3 191 217.7 3 5200 1374 0 5.252274 5.383118 8.556414 7.225482
## 4 195 231.8 3 4600 1448 1 5.273000 5.445875 8.433811 7.277938
## 5 373 319.1 4 6095 2514 1 5.921578 5.765504 8.715224 7.829630
1 Estimacion del Modelo
library(stargazer)
modelo_estimadio<-lm(price~lotsize+sqrft+bdrms, data=hprice1)
stargazer(modelo_estimadio, title = "EJERCICIO AUTOCORRELACION", type="text")##
## EJERCICIO AUTOCORRELACION
## ===============================================
## Dependent variable:
## ---------------------------
## price
## -----------------------------------------------
## lotsize 0.002***
## (0.001)
##
## sqrft 0.123***
## (0.013)
##
## bdrms 13.853
## (9.010)
##
## Constant -21.770
## (29.475)
##
## -----------------------------------------------
## Observations 88
## R2 0.672
## Adjusted R2 0.661
## Residual Std. Error 59.833 (df = 84)
## F Statistic 57.460*** (df = 3; 84)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01
a) Prueba de Durbin Watson
##
## Durbin-Watson test
##
## data: modelo_estimadio
## DW = 2.1098, p-value = 0.6218
## alternative hypothesis: true autocorrelation is not 0
Analisis de la Prueba
Rechazar la hipotesis Nula H0 si Pvalue<0.05
Pvalue=0.6218
Como 0.6218>0.05 no se rechaza la hipotesis nula y se concluye que no hay presencia de auocorrelacion.
Haremos la Prueba de Durbin Watson usando la libreria “car”
## lag Autocorrelation D-W Statistic p-value
## 1 -0.05900522 2.109796 0.618
## Alternative hypothesis: rho != 0
Interpretacion:
Rechazar la hipotesis Nula H0 si Pvalue<0.05
Pvalue=0.6218
Como 0.63>0.05 no se rechaza la hipotesis nula y se concluye que no hay presencia de auocorrelacion. Ya esta confirmado en ambos casos de no autocrrrelacion en el modelo.
b) Prueba del Multiplicador de Lagrange (Verfique la prueba de autorrelacion de primer orden y de segundo orden)
Nuevamente utilizamos la libreria lmtest
##
## Breusch-Godfrey test for serial correlation of order up to 2
##
## data: modelo_estimadio
## LM test = 3.0334, df = 2, p-value = 0.2194
Prueba de Hipotesis:
Regla de desicion
Rechazar H0 si pvalue≤α
No rechazar H0 si pvalue>=α
Como Pvalue>0.05 No se rechaza la H0, por lo que puede concluirse que no hay autocorrelacion de orden 2.
Ahora usamos BG para berificar la autocorrelacion de 1° orden
##
## Breusch-Godfrey test for serial correlation of order up to 1
##
## data: modelo_estimadio
## LM test = 0.39362, df = 1, p-value = 0.5304
Prueba de hipotesis:
Regla de desicion
Rechazar H0 si pvalue≤α
No rechazar H0 si pvalue>=α
Como pvalue>0.05 No se rechaza H0, por lo tanto puede concluirse que los residuos del modelo, no siguen autocorrelación de orden “1”