R 다중회귀모형 2 1
I. 가설검정
II. 예측
Ⅰ. 가설검정 2
- 위 모형은 종속변수(𝒎𝒕)의 시차변수인 𝒎𝒕−𝟏가 독립변수로 포함되어 있는 동태모형
- 시차변수인 𝒎𝒕−𝟏는 𝒎𝒕에 대해 한 단위 시간을 지연(lag)시킨 것이므로 𝒎𝒕 데이터 수가 2001년부터 2009년까지 9개이면 𝒎𝒕−𝟏의 데이터 수는 1개가 줄어든 8개가 됨
- 화폐수요함수를 추정할 때는 종속변수 및 모든 독립변수의 데이터 수가 동일해야 하므로 추정에서는 2002년부터 2009년까지 8개의 데이터를 활용
3
b2-ch3-4.R
library(car) library(stargazer)
sample1<-("http://kanggc.iptime.org/book/data/exer.txt") sample1_dat<-read.delim(sample1,header=T)
sample1_dat
m2<-ts(sample1_dat$m2, start=c(2001), frequency=1) y<-ts(sample1_dat$y, start=c(2001), frequency=1) rb<-ts(sample1_dat$rb, start=c(2001), frequency=1) rc<-ts(sample1_dat$rc, start=c(2001), frequency=1) n<-length(m2)
k=5
nm2<-m2[2:n]
ny<-y[2:n]
nrb<-rb[2:n]
nrc<-rc[2:n]
lagm2<-m2[1:n-1]
m<-length(nm2)
ur.lm<-lm(nm2~ny+lagm2+nrb+nrc) summary(ur.lm)
다음에 계속
1. 단일검정
- 개별 회귀계수에 대한 t-검정 실시
2. 전체검정
- 모형 내 모든 회귀계수에 대한 F-검정 실시
4
b2-ch3-4.R
앞에서 계속
ur.r2<-summary(ur.lm)$r.squared ur.r2
r.lm<-lm(nm2~ny+lagm2) r.r2<-summary(r.lm)$r.squared r.r2
stargazer(ur.lm, r.lm, type="text")
Fstat1<-((ur.r2-r.r2)/2)/((1-ur.r2)/(m-k)) Fstat1
pval<-1-pf(Fstat1, 2, m-k) pval
jointHo<-c("nrb","nrc")
linearHypothesis(ur.lm, jointHo)
3. 결합검정
Ⅱ. 예측 5
1. 공식을 이용한 예측
b2-ch3-2.R
앞에서 계속
x0<-matrix(c(1,3,2)) yhat<-t(x0)%*%beta x0
yhat
sigisq<-0.25*(1+t(x0)%*%xpxinv%*%x0) sigisq
sigi<-sqrt(sigisq) sigi
yhat+c(-1,1)*qt(.975, 1)*sigi
sigesq<-0.25*(t(x0)%*%xpxinv%*%x0) sigesq
sige<-sqrt(sigesq) sige
yhat+c(-1,1)*qt(.975, 1)*sige
6
2. 함수를 이용한 예측
b2-ch3-3.R
x2<-c(1,2,3,2) x3<-c(2,1,1,2) y<-c(1,1,2,3)
ols<-lm(y~x2+x3) summary(ols) confint(ols) resid(ols)
predict(lm(y~x2+x3))
new<-data.frame(x2=3, x3=2)
predict(lm(y~x2+x3), new, se.fit = TRUE)
pred.w.clim<-predict(lm(y~x2+x3), new, interval = "con fidence")
pred.w.clim
pred.w.plim<-predict(lm(y~x2+x3), new, interval = "pre diction")
pred.w.plim
