Autocorrelación

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. Estimación del modelo

library(stargazer)
options(scipen = 999999)
Modelo_Estim5<-lm(formula = price~llotsize+sqrft+bdrms,data = hprice1)
stargazer(Modelo_Estim5,title = "Modelo Estimado",type = "html")

Modelo Estimado

	Dependent variable:
	price
llotsize	56.154***
	(11.785)
sqrft	0.110***
	(0.013)
bdrms	15.728*
	(8.465)
Constant	-484.347***
	(101.457)
Observations	88
R2	0.710
Adjusted R2	0.700
Residual Std. Error	56.269 (df = 84)
F Statistic	68.629*** (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:

1. Prueba de Durbin Watson.

Uso de la libreria “lmtest”

library(lmtest)
dwtest(Modelo_Estim5,alternative = "two.sided",iterations = 1000)

## 
##  Durbin-Watson test
## 
## data:  Modelo_Estim5
## DW = 2.1675, p-value = 0.4422
## alternative hypothesis: true autocorrelation is not 0

Uso de la libreria “car”

library(car)
durbinWatsonTest(Modelo_Estim5,simulate = TRUE,reps = 1000)

##  lag Autocorrelation D-W Statistic p-value
##    1     -0.08646965      2.167535   0.426
##  Alternative hypothesis: rho != 0

Comentario: En los datos obtenidos usando las dos librerias (lmtest y car), no se rechaza la Ho, debido a que el p-value es mayor al nivel de significancia.

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

Autocorrelación de segundo orden.

usando la libreria “lmtest”

library(lmtest)
bgtest(Modelo_Estim5,order = 2)

## 
##  Breusch-Godfrey test for serial correlation of order up to 2
## 
## data:  Modelo_Estim5
## LM test = 3.6933, df = 2, p-value = 0.1578

Comentario: El resultado obtenido nos indica que el p-value es mayor al nivel de significncia por lo tanto, no se rechaza la Ho, y se concluye que los residuos del modelo, no siguen una autocorrelación de orden “2”.

Autocorrelación de primer orden.

library(lmtest)
bgtest(Modelo_Estim5,order = 1)

## 
##  Breusch-Godfrey test for serial correlation of order up to 1
## 
## data:  Modelo_Estim5
## LM test = 0.75123, df = 1, p-value = 0.3861

Comentario: El p-value obtenido es mayor al nivel de significancia, lo que nos indica que no se rechaza la Ho, y se concluye que los residuos del modelo, no siguen una autocorrelación de primer orden.