我正在运行一个具有一些异方差性和序列相关性的回归模型，我试图在不改变我的模型规范的情况下解决这两个问题。
首先，我已经生成了一个OLS模型并实现了两个问题，异方差性和序列相关性。因此，我试图用plm的pggls命令运行一个可行的广义最小二乘（FGLS）模型来同时解决这两个问题，但是这个命令似乎只能解决异方差性而不是串行相关性。 / p>
我的代码如下：
base<-pdata.frame(base, index = c("ID","time"), drop = FALSE)
Reg<-pggls(sells~ prices + income + stock+
period1 + period2+ period3, model = c("pooling"),
data=base)
这个命令似乎纠正了异方差性，但是当我创建一个简单的证明时，它肯定不能纠正序列相关性。下面我生成了回归模型的残差和滞后残差之间的回归：
res = Reg$res
n = length(res)
mod = lm(res[-n] ~ res[-1])
summary(mod)
res[-1]系数是mod是有意义的。所以它还没有解决序列相关性。
有人知道如何在pggls命令中添加一些选项来解决这个问题吗？或者有人知道解决这两个问题的更好的命令吗？它不一定需要是面板数据命令，因为我只有1个人。
答案 0 :(得分：1)
只要您说您不需要面板结构，就可以直接纠正标准错误，这是计量经济学文献中使用较多的指标。事实上，GLS估计今天有点老式......
你可以这样做：
library(sandwich)
library(lmtest)
reg <-lm(sells ~ prices + income + stock + period1 + period2+ period3, data = base)
coeftest(reg, vcov = vcovHAC(reg))
仅仅为了完整性，如果您想生成像Stata那样的集群稳健估计，您可以尝试从here尝试Tarzan的cl函数。