Ejercicio autocorrelación

Utilizando los datos del dataframe hprice1: disponible en el paquete wooldridge use el siguiente código para generar el dataframe:

options(scipen = 99999)
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.Estimar modelo

library(stargazer)
modelo_precio <- lm(formula = price~lotsize+sqrft+bdrms, data = hprice1)
stargazer(modelo_precio,type = "html",title = "Modelo Precio")

Modelo Precio

	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

2. Verifique si los residuos del modelo son independientes entre sí (no autocorrelación), a través de:

a) Prueba de Durbin Watson.

library(lmtest)
DW <- dwtest(modelo_precio, alternative = "two.sided", iterations = 1000)
print(DW)

## 
##  Durbin-Watson test
## 
## data:  modelo_precio
## DW = 2.1098, p-value = 0.6218
## alternative hypothesis: true autocorrelation is not 0

Interpretación: Dado que el p-value es mayor que el nivel de significancia, hay evidencia en favor de no rechazar la Hipotesis nula, por lo tanto se rechaza la presencia de autocorrelación.

b) Prueba del Multiplicador de Lagrange (verifique autocorrelación de primer y segundo orden).

Primer orden

library(lmtest)
bgtest(modelo_precio,order = 1)

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

Segundo orden

bgtest(modelo_precio, order = 2)

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

Interpretación: En ambos casos el p-value es mayor que el nivel de significancia, por lo tanto hay evidencia a favor de no rechazar la Hipotesis nula, se rechaza la presencia de autocorrelación de orden 1 y de orden 2.