Question

我一直在广泛关注以下内容。

有没有办法在R中使用Newey West（1994）估算器进行配对T检验？

t.test（）给出了正确的t值，但后来我想纠正它们的自相关。这似乎不可能。

使用coeftest（）有一种方法可以使用newey west校正，但仅用于独立t检验而不是配对t检验！

 x <-rnorm(100)
 k <-rnorm(100)
 t.test(x,k, paired=TRUE)

现在让我们假设我知道我的数据（x和k）中存在自相关，因此我想使用Newey West估算器来纠正它。

有人想用t.test吗？

或者，可以使用以下内容：

 fit<-lm(x~k)
 coeftest(fit)

这是一项独立的t测试。任何人都知道如何用coeftest（）进行配对t检验？

接下来，可以在t检验中嵌入NeweyWest估计量来调整自相关。

 coeftest(fit, df=Inf, vcov=NeweyWest)

同样，我想通过配对t检验来做到这一点。

如果有人有任何见解，请告诉我。

Answer 1

请注意任何相似之处？仍然没有弄清楚你所关注的问题，但我并不认为回归对应于独立的t检验。通过ind t-test，没有逐项配对，而在回归中，绝对是这样的配对。

t.test(x,k, paired=TRUE)
#--------------------
    Paired t-test

data:  x and k
t = -0.6008, df = 99, p-value = 0.5493
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -0.3746782  0.2005112
sample estimates:
mean of the differences 
             -0.0870835 
#------------------
library(lmtest)
 fit<-lm(  (x-k) ~ 1)
 lmtest::coeftest(fit)
#------------------
t test of coefficients:

             Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.087083   0.144941 -0.6008   0.5493

Answer 2

您可以在回归设置中执行配对t检验，方法是获取每对结果的差异并将其回归到向量的对数上。通过这种方式解决问题后，就可以轻松使用R中“ lmtest”库中的标准功能，包括NeweyWest估计器。代码段如下：

 fit<-lm(x-k~1)

coeftest(fit, df=Inf, vcov=NeweyWest)

Newey West和配对t检验来纠正自相关

2 个答案: