Newey West 和配对 t 检验以校正自相关

Question

我一直在广泛寻找以下内容。

有没有办法在 R 中使用 Newey West (1994) 估计器进行配对 T 检验？

t.test() 给了我正确的 t 值，但我想更正它们的自相关。这似乎不可能。

使用 coeftest() 可以使用 newey west 校正，但仅适用于独立 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 估计器来纠正它。

有人想用 t.test 做到这一点吗？

也可以使用以下内容：

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

这是一个独立的 t 检验。有人知道如何使用 coeftest() 进行配对 t 检验吗？

接下来，可以在 t 检验中嵌入 NeweyWest 估计器以调整自相关。

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

再次，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

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一个向量上。一旦你以这种方式解决了问题，就很容易使用 R 中“lmtest”库中的标准功能，包括 NeweyWest 估计器。代码 sn-p 如下：

 fit<-lm(x-k~1)

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

Answer 2

注意到有什么相似之处吗？仍然没有弄清楚您关心的问题，但我并不同意回归对应于独立 t 检验。在 ind t-test 中没有逐项配对，而在回归中绝对有这样的配对。

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