请问如何用R做向量自回归模型（VAR）

29752

收藏 2015-02-11

要实现以下的几个步骤，数据集已经有了，请高手们可以介绍下相关的函数吗？
halfyear_vector=data.frame(hsi_ir_h_ts,cenlhkl_ir_h_ts,m2_h_ts,ue_h_ts,cpi_h_ts,exp_h_ts,gdp_h_ts)
halfyear_vector=ts(halfyear_vector,start=c(1995,1),frequency=2)
halfyear_vector
plot(halfyear_vector,plot.type="single",lty=1:7,col=1:7)
title("key indicators")
legend("topleft",c("hsi_ir_h_ts","cenlhkl_ir_h_ts","m2_h_ts","ue_h_ts","cpi_h_ts","exp_h_ts","gdp_h_ts"),lty=1:7,col=1:7)

#稳定性检验
for (i in 1:7)
{
print(kpss.test(halfyear_vector[,i],null="Level"))
print(kpss.test(halfyear_vector[,i],null="Trend"))
print(kpss.test(diff(halfyear_vector[,i]),null="Level"))
print(kpss.test(diff(halfyear_vector[,i]),null="Trend"))
}
#需求一：进行ADF检验
#格兰杰因果检验
granger.test(halfyear_vector,p=7)
#需求二：进行指标共线性判断
#需求三：进行VAR阶数判断
#VAR模型拟合
halfyear_VAR=VAR(halfyear_vector,p=3,type="both")
halfyear_VAR
#需求四：价模型的稳定性、自相关性，异方差检验
#需求五：导出VAR模型
#VAR模型预测
halfyear_VAR_Predict=predict(halfyear_VAR,n.head=1,ci=0.9999)
plot(halfyear_VAR_Predict)
#需求六：计算95%,99%,99.9%分位数的预测取值

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

hu8105

2015-2-15 10:43:05

我也想学习学习！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

DM小菜鸟

2015-2-26 15:24:50

1. 用tseries包里面的adf.test()

2. 可以计算X矩阵的秩qr(X)$rank，如果不是满秩的，说明其中有Xi可以用其他的X的线性组合表示；也可以计算条件数kappa(X)，k<100,说明共线性程度小，如果100<k<1000,有较强的多重共线性，k>1000，存在严重的多重共线性。可以进行逐步回归，用step()命令，比如你一开始的模型是fm，step(fm)就可以了

3. adf.test()里面就可以设滞后项的判断，adf.test(x, alternative = c("stationary", "explosive"),
      k = trunc((length(x)-1)^(1/3)))
AIC准则——
计算AIC统计量，模型的残差平方和（SS）除以样本容量（n），再取对数，加上2倍的解释变量个数(k)除以样本容量.
AIC=log(SS/n)+2*k/n
寻找某一k值是AIC达到极小值，则k就是最优滞后阶数。
SC准则——
SC=log(SS/n)+log(n)*k/n
4. R里有两种检验方法是常用的，LiMcLeod{portes}可以进行多元的Portmanteau Q检验。。。protest{portes}可以进行一元的Portmanteau Q检验，把函数中的参数SquaredQ=T

还可以把序列平方之后再检验自相关性。。。也相当于进行了异方差检验。。。

自相关检验可以通过ACF图，函数是acf{stats}，或者单位根检验ur.df{urca}进行ADF检验或者ur.pp{urca}进行PP检验，或者进行白噪声检验Box.test{stats}，相当于检验了序列的二阶自相关性。。。

{}里面的是package的名字