library(wooldridge)
data(hprice1)
head(force(hprice1), n=5)
##   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
modelo_estimado_autocorrelacion<-lm(formula = price~lotsize+sqrft+bdrms, data = hprice1)
library(stargazer)
stargazer(modelo_estimado_autocorrelacion, title = "Modelo Estimado Regresion Lineal",type="html", digits=5)
Modelo Estimado Regresion Lineal
Dependent variable:
price
lotsize 0.00207***
(0.00064)
sqrft 0.12278***
(0.01324)
bdrms 13.85252
(9.01015)
Constant -21.77031
(29.47504)
Observations 88
R2 0.67236
Adjusted R2 0.66066
Residual Std. Error 59.83348 (df = 84)
F Statistic 57.46023*** (df = 3; 84)
Note: p<0.1; p<0.05; p<0.01
  1. A Prueba de Durbin Watson
library(lmtest)
dwtest(modelo_estimado_autocorrelacion, alternative = "two.sided",iterations = 1000)
## 
##  Durbin-Watson test
## 
## data:  modelo_estimado_autocorrelacion
## DW = 2.1098, p-value = 0.6218
## alternative hypothesis: true autocorrelation is not 0

Se rechaza la presencia de autocorrelacion, ya que el pvalue es p_value>0.05

  1. B Prueba de Multiplicador de Lagrande de Primer Orden
library(lmtest) 
bgtest(modelo_estimado_autocorrelacion,order = 1)
## 
##  Breusch-Godfrey test for serial correlation of order up to 1
## 
## data:  modelo_estimado_autocorrelacion
## LM test = 0.39362, df = 1, p-value = 0.5304
  1. C Prueba de Multiplicador de Lagrande de Segundo Orden
library(lmtest) 
bgtest(modelo_estimado_autocorrelacion,order = 2)
## 
##  Breusch-Godfrey test for serial correlation of order up to 2
## 
## data:  modelo_estimado_autocorrelacion
## LM test = 3.0334, df = 2, p-value = 0.2194

En ambos casos de comprobacion de primer y segundo orden para los residuos del modelo el pvalue es p_value>0.05, quiere decir que se rechaza la presencia de autocorrelacion