R - 在多元回归模型中测试同/异方差和共线性

Question

我正在尝试优化多元线性回归模型lmMod=lm(depend_var~var1+var2+var3+var4....,data=df)，我目前正在研究模型的前提：残差的恒定方差和不存在自相关。为此，我正在使用：

• 同/异方差的 Breusch-Pagan 检验：lmtest::bptest(lmMod)

• Durbin Watson 自相关检验：durbinWatsonTest(lmMod)

我发现了一次测试任一自变量的示例：

Breush-Pagan 检验示例 - 一个自变量： https://datascienceplus.com/how-to-detect-heteroscedasticity-and-rectify-it/

Durbin Watson 检验示例 - 一个自变量： http://math.furman.edu/~dcs/courses/math47/R/library/lmtest/html/dwtest.html

或一次包含多个自变量的整个模型：

Durbin Watson 检验示例 - 多个自变量： https://www.rdocumentation.org/packages/car/versions/2.1-6/topics/durbinWatsonTest

以下是问题：

1. 可以为 durbinWatsonTest() 和 bptest() 提供完整的多变量模型
2. 如果对 1 的回答是肯定的，那么如何确定哪个变量导致模型中的异方差性或自相关性以便修复它，因为这些测试中的每一个都只为整个多变量模型提供一个 p 值?
3. 如果对 1 的回答是否定的，则应一次使用一个因变量执行测试。但在同方差的情况下，它只能在特定回归建模后进行测试。因此，单变量回归模型lmMod_1=lm(depend_var~var1, data=df) 中的同/异方差模式将不同于多元回归模型lmMod_2=lm(depend_var~var1+var2+var3+var4....,data=df) 的模式

非常感谢您的帮助！

Answer 1

我想尝试提供第一个帮助

第一个问题的答案：是的，您可以对多变量模型使用 Breusch-Pagan 检验和 Durbin Watson 检验。 （但是，我一直使用dwtest() 而不是durbinWatsonTest()）。

另请注意，dwtest() 仅检查一阶自相关。不幸的是，我不知道如何找出导致异方差或自相关的变量。但是，如果您遇到这些问题，那么一种可能的解决方案是您使用稳健的估计方法，例如在 NeweyWest 之后（使用：coeftest (regression model, vcov = NeweyWest)）在自相关​​或在异方差时使用 coeftest(regression model, vcov = vcovHC)，两者都来自 AER 包。