R语言函数与模型学习笔记：残差相关性零均值检验及跨期相关系数（图）

本文链接：https://blog.youkuaiyun.com/minemi/article/details/81221380

本文介绍了如何使用R语言进行残差的零均值检验和相关性检验，提供了一个自定义函数`residual.test()`，并展示了其在极大似然估计中的应用。同时，还讲解了计算跨期相关系数的`cor.time()`函数，用于分析变量间的滞后关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

R语言函数与模型学习笔记：残差相关性零均值检验及跨期相关系数（图）
使用极大似然估计模型参数的假设包括：残差正态性、包含截距时的零均值、以及联合正态分布。如果我们更进一步假设待估计方程矩阵的方差-协方差矩阵为对称矩阵，那么就需要进行残差独立性检验。正态性检验方法很多，包括偏度、峰度和样本分布等参数检验，在normtest、nortest和normwhn包中有许多进行进行正态检验的方法，且函数使用简单。我们今天推送的代码就是为了方便解决残差零均值和相关性检验的——cor.test（）函数不能直接对残差矩阵进行。因此我们今天提供这样一个函数，可以将其直接嵌套进ML估计的模型之中，对残差矩阵进行检验。

R语言函数与模型学习笔记：残差相关性零均值检验及跨期相关系数（图）

1. 原始代码
residual.test=function(x){
library(psych)
library(psych)
colnames(x)=c(1:ncol(x))
rownames(x)=c(1:nrow(x))
cor.test.hommel=corr.test(x,adjust="hommel")
cor.test.BH=corr.test(x,adjust="BH")
residual.zero.p=c(NA)
for(i in 1:ncol(x)){
residual.zero.p[i]=t.test(x[,i])$p.value
}
result=list(cor.test.hommel,cor.test.BH,residual.zero.p)
names(result)=c("cor.test.hommel###correlation test,controlling family-wise error rate",