线性回归模型诊断检查：异方差性、序列相关性及结构变化测试.pdfVIP

回归关系中的诊断检查

†‡

AchimZeileisTorstenHothorn❸InstitutfurStatistikWahrscheinlichkeitstheorie,

¨

TechnischeUniversitatWien,Austria❹InstitutfurMedizininformatik,BiometrieundEpidemiologie,

¨¨

UniversitatErlangen-Nurnberg,Germany

¨¨

1引言

经典的线性回归模型

⊤

yxβ+u(i1,...,n)(1)

iii

尽管（或正因为）其结构简单，仍然是数据分析中最受欢迎的工具之一。虽然在许多情况下它是

合适的，但有许多陷阱可能会影响从拟合模型中得出结论的质量，甚至可能导致无法解释的结果。

其中一些在应用计量经济学中特别重要的陷阱包括误差项的异方差性或序列相关性、回归系数的结

构变化、非线性、函数误设或遗漏变量。因此，计量经济学界已经开发出针对这些情况的各种诊断

测试，其中一部分已实现在lmtest和strucchange包中，涵盖了上述问题。

这些诊断测试不仅在计量经济学中有用，在许多其他使用线性回归的领域也有用，在

生物统计学的应用中进行演示。如Breiman(2001)所论证的，评估数据模型的拟合优度非常重要，

特别是不仅要使用综合检验，还要使用针对特定替代假设方向设计的检验。这些诊断检查不仅应被

视为纯粹的显著性程序，还应作为探索工具来提取有关数据结构的信息，特别是在与残差图或其他

诊断图结合使用时。如Brown,Durbin,和Evans(1975)所论证的，对于递归CUSUM检验，这些

程序可以“被视为解释数据的，而不是导致硬性和快速决策。”此外，只要我们有足够的数

据，我们总是能够原假设。问题不在于模型是否错误（它总是错误的！），而在于不规则性是

否严重。

该软件包strucchange实现了与回归系数结构变化相关的各种程序，并已在R中由

Zeileis(2001)介绍，并在Zeileis,Leisch,Hornik,和Kleiber(2002)中进行了更详细的描述。

因此，重点放在软件包lmtest上。该软件包中的大多数测试和数据集都来自Kramer和

¨

Sonnberger(1986)的书，这本书最初启发我们编写了这个软件包。与书中相比，我们实现了一些

测试的较新版本，并为这些程序了现代灵活的接口。大多数测试都是基于线性模型的OLS

残差，该模型通过参数指定。除了外，还可以一个类为lm的拟合模型，如果数

据包含在对象中或仍然存在于工作区中，这应该可以工作——但这并不鼓励这样做。测试的完整

参考文献可以在相应函数的帮助页面上找到。

我们展示了包含在lmtest中的测试在两个不同数据集上的应用：第一个是Stock和

Watson(1996)分析的宏观经济时间序列，第二个是Royston和Altman(1994)讨论的一项

关于下颌长度测量的研究数据。