Как оценить функцию векторной авторегрессии и импульсного отклика с данными панели

Я работаю над векторной авторегрессией (VAR) и оценкой функции импульсного отклика (IRF) на основе панельных данных с 33 индивидуумами в течение 77 кварталов. Как следует анализировать ситуацию такого типа? Какой алгоритм существует для этой цели? Я бы предпочел провести этот анализ в R, поэтому, если кто-то знаком с кодом R или пакетом, разработанным для этой цели, который они могут предложить, это было бы особенно полезно.

https://www.researchgate.net/publication/312165764_Panel_Vector_Autoregression_in_R_The_panelvar_Package

Здесь вы найдете R-пакет и ссылку на статью.

Общие модели авторегрессии векторных данных панели включают в себя оценку Ареллано-Бонда (обычно называемую «разностным» GMM), оценку Блунделла-Бонда (обычно называемую «системным» GMM) и оценку Ареллано-Бовера . Любое использование ГММ, и начать с моделью:

Ареллано и Бонд используют первое различие чтобы удалить фиксированный эффект, α i, а затем используют лаговые уровни в качестве инструментов: E [ Δ ϵ i t y i , t - 2 ] = $y_{i,t}$$\alpha_i$

По сути, это то же самое, что процедура, описанная в этой статье Хольца-Икина Ньюи Розена , в которой также приведены некоторые инструкции по реализации.

Blundell и Bond используют лаговые первые различия в качестве инструментов для уровней:

Название «системный» GMM обычно означает сочетание этих инструментов с инструментами из Arellano Bond.

Ареллано и Бовер используют систему GMM, а также изучают возможность дальнейшего изменения переменных, для которых, насколько мне известно, не реализовано напрямую R, но вы можете проверить их документацию для получения более подробной информации.

В R, и Arellano-Bond, и Blundell-Bond реализованы в plmпакете под командой pgmm. Документация, на которую я ссылался, содержит инструкции и примеры того, как именно их реализовать.

Вы можете использовать систему, казалось бы, несвязанных уравнений регрессии (используя пакет systemfit) после преобразования набора данных с помощью pdata.frame (пакет plm). Вы должны получить функции импульсного отклика самостоятельно. Если вы следуете учебнику Гамильтона или Грина, это не должно быть слишком сложно.

Я только что нашел эту статью Михаэля Зигмунда, Роберта Ферстла и Даниэля Унтеркофлера «Панельная авторегрессия в R: Пакет Panelvar» (2017), которая в основном является описанием методов, реализованных в R. https://papers.ssrn.com /sol3/papers.cfm?abstract_id=2896087

Кроме того, здесь есть еще один вопрос: панели векторной авторегрессии моделей в R?

Авторы в настоящее время находятся в процессе публикации кода на CRAN, но уже предоставляют бинарные пакеты на researchgate. https://www.researchgate.net/project/Panel-Vector-Autoregression-Models-with-different-GMM-estimators

Бинарный пакет Panelvar можно загрузить напрямую, я думаю, что источники должны быть доступны на CRAN в ближайшем будущем. https://www.researchgate.net/publication/322526372_panelvar_044

Я бы предложил использовать {vars}библиотеку в R. Она имеет функцию для оценки VAR-модели и для оценки функции импульсного отклика из этой модели, а также для исследования причинности Грейнджера и т. Д.

Я предлагаю вам взглянуть на следующие функции:

> VARselect()
> VAR()
> irf()
> causality()

Привет @Roman и все остальные. Я также нахожусь в панельных моделях VAR и в своем поиске я наткнулся на эти основанные на stata пользовательские команды pvar и xtvar. Я уже использовал pvar, и, кажется, все в порядке. Вы можете прочитать больше об этом здесь, и пошаговое приложение