在 R 中运行面板向量自回归后如何进行格兰杰因果关系测试(使用 panelvar 包)?
为了运行面板 VAR,可以执行以下操作:
library(plm)
library(panelvar)
set.seed(12345)
x = rnorm(240)
z = x + rnorm(240)
y = rep(rnorm(15), each=16) + 2*x + 3*z + rnorm(240)
country = rep(c("A","B","C","D","E","F","G","H","I","J","K","L","M","N","O"), each=16 )
year = rep(seq(1995, 2010), 15)
panel = cbind.data.frame(country,year,x,z,y)
model <- pvargmm(dependent_vars = c("y", "x", "z"),
lags = 1,
transformation = "fod",
data = panel,
panel_identifier=c("country", "year"),
steps = c("twostep"),
system_instruments = FALSE,
max_instr_dependent_vars = 99,
max_instr_predet_vars = 99,
min_instr_dependent_vars = 2L,
min_instr_predet_vars = 1L,
collapse = TRUE
)
我的问题是如何执行格兰杰因果关系测试(panelvar 不提供此功能)。似乎需要使用函数
pgrangertest
来自 plm
包裹。但是,我不确定“公式”是什么,因为 pVAR 模型不同于简单的线性模型。此外,“顺序”是否应该是在运行具有多个滞后选项的 pVAR 后发现的最佳滞后数,然后选择提供最佳模型拟合的一个(基于 Andrews_Lu_MMSC 函数提供的 BIC、AIC 等)?pgrangertest(inv ~ value, data = Grunfeld, order = 2L)
换句话说,我需要将“inv ~ value”替换为其他东西,我不清楚如何做到这一点。鉴于我对 y、x 和 z 之间的相互关系感兴趣,我应该运行 pgrangertest 六次吗?以下是否有意义?
pgrangertest(y ~ x, data = panel, order = 2L)
pgrangertest(y ~ z, data = panel, order = 2L)
pgrangertest(x ~ z, data = panel, order = 2L)
pgrangertest(x ~ y, data = panel, order = 2L)
pgrangertest(z ~ x, data = panel, order = 2L)
pgrangertest(z ~ y, data = panel, order = 2L)
我知道pgrangertest
一次只允许两个变量,但我不应该控制第三个变量吗?
最佳答案
这只是一个建议,所以它可能有帮助,也可能没有帮助。尽管该函数只允许使用 2 个变量,但您可以使用 edit(pgrangertest)
准确地探索该函数正在做什么以发现“公式”并根据您的需要调整/修改它。 .类似地,您可以克服函数 grangertest
的共线性错误。通过手动指定要使用的测试类型并模拟实际功能正在做什么(请参阅我自己的问答 here)。也许这可以让您指定所需的所有变量?另外,另一个问题here也可能有帮助(尽管它是关于常规的多元格兰杰)
或者,尝试向包的创建者发送电子邮件。这是一个远景,但它也可能非常有帮助,他们可能能够真正解决您的问题。
关于r - 如何在 R 中的面板向量自回归(pVAR)后进行格兰杰因果关系检验?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65676954/