Practica_Autocorrelacion_SA19008

#Carga de datos
library(wooldridge)
data(hprice1)
head(force(hprice1),n=5) #mostrar las primeras 5 observaciones

##   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. estime el siguiente modelo,

price = α + α1(lotsize) + α2(sqrft) + α3(bdrms) + e

library(stargazer)
Modelo_estimado <- lm(formula = price~lotsize+sqrft+bdrms,data = hprice1)
stargazer(Modelo_estimado, title = "Modelo estimado",type = "html",digits = 8)

Modelo estimado

	Dependent variable:
	price
lotsize	0.00206771***
	(0.00064213)
sqrft	0.12277820***
	(0.01323741)
bdrms	13.85252000
	(9.01014500)
Constant	-21.77031000
	(29.47504000)
Observations	88
R2	0.67236220
Adjusted R2	0.66066090
Residual Std. Error	59.83348000 (df = 84)
F Statistic	57.46023000*** (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(car)
durbinWatsonTest(Modelo_estimado,simulate=TRUE,reps=1000)

##  lag Autocorrelation D-W Statistic p-value
##    1     -0.05900522      2.109796   0.602
##  Alternative hypothesis: rho != 0

Cae en la zona de no rechazo de la hipótesis nula, por lo tanto el modelo no tiene problemas de autocorrelación.

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

Nivel de significancia de 0.05.

Correlación de primer orden

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

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

#Con un p-value mayor al nivel de significancia. No se rechaza la hipótesis nula, por lo tanto puede concluirse que los residuos del modelo no siguen condición de primer orden.

Correlación de segundo orden

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

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

#Con un p-value mayor al nivel de significancia. No se rechaza la hipótesis nula, por lo tanto puede concluirse que los residuos del modelo no siguen condición de segundo orden.