有错误p值的plm的pdwtest (和统计量？)对于面板模型和集合OLS (Durbin Watson检验自相关)？

Question

我想知道为什么pdwtest()输出的p值与lmtest和car的杜宾沃森测试(dwtest()和dwt() )非常不同。请查阅下文所述差异的文件。在此之后，我提供了从plm的pdwtest()源代码中获取的代码，并试图修复这个问题。有人能看看那个吗？仍然p-值不匹配，但非常接近.我怀疑，这是因为数字的精确性？另外，我不完全确定随机效应模型的p值，但这是一个统计问题，而不是一个编程问题(将截距留给测试？)

编辑2019-01-04：Bhargava等人的广义Durbin统计量。(1982年)和Baltagi/Wu的LBI统计现在已在最新版本(1.7-0)中实现为pbnftest()。

我认为，我们必须区分这里发生的事情：

1) p-值:p-值似乎是关闭的，因为附加的拦截被传递给lmtest::dwtest()。我的猜测是，这反过来导致对自由度的错误计算，从而导致可疑的p值。

见下面提到的论文和http://www.stata.com/manuals14/xtxtregar.pdf

Bhargava，Franzini，Narendranathan，系列相关性和固定效应模型，“经济研究评论”(1982年)，XLIX，第533至549页

Baltagi，B.H.和P.X.Wu。1999年。带有AR(1)扰动的非等间距面板数据回归。计量经济学理论15，第814-823页。

版本:r 3.1.3 plm_1.4-0 lmtest_0.9-34

require(plm)
require(lmtest)
require(car)

data("Grunfeld")

# Use lm() for pooled OLS and fixed effects
lm_pool <- lm(inv ~ value + capital, data = Grunfeld)
lm_fe   <- lm(inv ~ value + capital + factor(firm), data = Grunfeld)

# Use plm() for pooled OLS and fixed effects
plm_pool <- plm(inv ~ value + capital, data=Grunfeld, model = "pooling")
plm_fe   <- plm(inv ~ value + capital, data=Grunfeld, model = "within")
plm_re   <- plm(inv ~ value + capital, data=Grunfeld, model = "random")

# Are the estimated residuals for the pooled OLS and fixed effects model by plm() and lm() the same? => yes
all(abs(residuals(plm_pool) - residuals(lm_pool)) < 0.00000000001)
## [1] TRUE
all(abs(residuals(plm_fe)   - residuals(lm_fe))   < 0.00000000001)
## [1] TRUE

# Results match of lmtest's and car's durbin watson test match
lmtest::dwtest(lm_pool)
##  Durbin-Watson test
## 
## data:  lm_pool
## DW = 0.3582, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0

car::dwt(lm_pool)
##  lag Autocorrelation D-W Statistic p-value
##    1       0.8204959     0.3581853       0
##  Alternative hypothesis: rho != 0

lmtest::dwtest(lm_fe)
##  Durbin-Watson test
## 
## data:  lm_fe
## DW = 1.0789, p-value = 1.561e-13
## alternative hypothesis: true autocorrelation is greater than 0

car::dwt(lm_fe)
##  lag Autocorrelation D-W Statistic p-value
##    1       0.4583415      1.078912       0
##  Alternative hypothesis: rho != 0

# plm's dw statistic matches but p-value is very different (plm_pool) and slightly different (plm_fe)
pdwtest(plm_pool)
##  Durbin-Watson test for serial correlation in panel models
## 
## data:  inv ~ value + capital
## DW = 0.3582, p-value = 0.7619
## alternative hypothesis: serial correlation in idiosyncratic errors

pdwtest(plm_fe)
##  Durbin-Watson test for serial correlation in panel models
## 
## data:  inv ~ value + capital
## DW = 1.0789, p-value = 3.184e-11
## alternative hypothesis: serial correlation in idiosyncratic errors

Answer 1

‘'plm’开发者在这里。奇怪的p值值得研究(请注意，pdwtest只是包lmtest中dwtest的包装器)，谢谢您的报告。

关于这背后的计量经济学: Bharghava等人。测试基本上是pdwtest()所做的；杜宾-沃森测试在很多方面都是次优程序，因此大多数现代教科书更倾向于建议布卢什-戈弗雷(面板版本见“plm”中的pbgtest() )。RE很好，因为转换后的残差在H0下是“白色”的。由于贬低导致的连续相关性，FE需要小心对待，因此，除了非常长的面板外，DW和BG测试通常都是不合适的:参见我在JStatSoft 27/2,2008年，第26页中的评论。更好的替代方案，特别是宽面板的测试是Wooldridge的测试:第一次差异测试(pwfdtest() in 'plm'，也在Stata，见Drukker的论文)和在“plm”中实现的pwartest()测试，请参见JStatSoft 27/2，6.4。