R中线性回归的Newey West和White校正
我真的需要一些帮助
我必须看看假期、特殊日子和天气是否会对我的日常数据产生影响。每天的数据显然有一个季节性的循环。
因此，我试着用大约1100个观测值进行线性回归。第一步是如我所读的报纸所描述的那样，改变销售数量。
Rt=Ln(Pt/Pt-1)*100
其中Pt是今天的销售额，Pt-1是前一天的销售量。
为了考虑季节性，我只使用一周中的一天作为虚拟变量进行了第一次线性回归。
fit<- lm(log_return~D1+D3+D4+D5+D6+D7,data=mydata)它给出了以下结果：模型图
残差是非正常的，Q-Q图显示了一些沉重的腿.我认为这可能是因为残差具有显著的异方差和自相关。
从我所读到的文章来看，的作者总是使用标准怀特和Newey 来校正残差中的异色和自相关。变量，我有两个问题，使我的OLS肯定错了。
从R，的三明治文档来看，Newey可以自动找到合适数量的，这对我来说很棒，因为我尝试了几个ARMA(p，q)变体，但都没有成功。
所以现在我运行vcovHAC(fit)，，我不太确定它是什么。它是否完全纠正了我的未知自相关和异方差问题，也完全与白色SE，并找到了必要的滞后，以纠正回归？
如何将此应用于我的回归以获得与摘要(Fit)相同的摘要，但以R为校正值，包括Rsquared？它能神奇地纠正一切吗？有什么限制？
多谢各位
回答 1
Stack Overflow用户
发布于 2018-03-06 13:20:58
也许这能帮上忙：
https://stackoverflow.com/questions/48976467
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号