R假设检验之Breusch-Godfrey检验（Breusch-Godfrey Test）
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了R假设检验之Breusch-Godfrey检验（Breusch-Godfrey Test）相关的知识，希望对你有一定的参考价值。
R假设检验之Breusch-Godfrey检验（Breusch-Godfrey Test）
线性回归中的一个关键假设是残差之间不存在相关性，即残差是独立的。
为了测试一阶自相关，我们可以执行Durbin-Watson检验。然而，如果我们想测试高阶的自相关（autocorrelation），那么我们需要执行一个Breusch-Godfrey检验。
Breusch-Godfrey检验使用以下假设：
H0（零假设）：小于或等于p的任何阶都不存在自相关。
Ha（替代假设）：在小于或等于p的某个阶上存在自相关。
检验统计量服从p个自由度的卡方分布。
如果这个检验统计量对应的p值小于一定的显著性水平（如0.05)，那么我们可以拒绝零假设，并得出小于或等于p的某个阶的残差之间存在自相关的结论。
为了在R中执行Breusch-Godfrey测试，我们可以使用lmtest库中的bgtest(y~x,order=p)函数。
我们创建一个包含两个预测变量(x1和x2)和一个响应变量(y)的仿真数据集。
#create dataset
df <- data.frame(x1=c以上是关于R假设检验之Breusch-Godfrey检验（Breusch-Godfrey Test）的主要内容，如果未能解决你的问题，请参考以下文章
R假设检验之k-s检验（KOLMOGOROV AND SMIRNOV TEST）
R假设检验之莫德中位数检验(Mood‘s Median Test)
R假设检验之Breusch-Pagan检验（Breusch-Pagan Test）
R假设检验之Durbin-Watson检验（Durbin-Watson Test）