请问R语言里有没有做非线性VAR模型的包？

Python022

请问R语言里有没有做非线性VAR模型的包？,第1张

这里分享一下R语言实现VAR和SVAR的整个流程。

主要步骤包括：

1.单位根检验

2.确定滞后阶数

3.格兰杰因果检验

4.模型稳定性检验

5.脉冲响应

6.方差分解

(Johansen协整检验，如果需要的话)

整个过程用到的R语言的扩展包有：

library(zoo)

library(vars)

library(tseries)

首先，数据是下面的样子：

ps：数据是时间序列类型,可以通过下面方法将dataframe转成时间序列类型

data = ts(data)

1.单位根检验

#对data的第一列进行单位根检验

adf.test(data[,1])

2.滞后阶数确定

VARselect函数结果包括AIC、HQ、SC和FPE准则

#参数y为时间序列数据，lag.max为最大滞后阶数

#参数type值包括const截距，trend趋势，both同时包含截距和趋势，none不包含截距和趋势

VARselect(y=data, lag.max = 10, type = c("const"))

3.格兰杰因果检验

格兰杰因果检验有两个方法，第一个是在构造模型之前，第二个是在构造模型之后在模型的基础上进行格兰杰因果检验。

(1)构造模型之前格兰杰因果检验

#函数格式：grangertest(yt~xt)

eg：

grangertest(Value~BCI)

(2)构造模型之后格兰杰因果检验

#函数格式：causality(VARModel,cause)

eg

var =  VAR(data ,p = 2, type = "const")

causality(var,cause=c('Count','Value'))

ps:在这里如果想要构建SVAR模型的话，需要根据实际情况构建两个矩阵amat和bmat，然后使用这两个矩阵来构建SVAR模型：

svar = SVAR(var,Amat = amat,Bmat = bmat)

4.模型稳定性检验

#这里使用“OLS-CUSUM”，它给出的是残差累积和，在该检验生成的曲线图中，残差累积和曲线以时间为横坐标，

#图中绘出两条临界线，如果累积和超出了这两条临界线，则说明参数不具有稳定性。

sta = stability(var, type = c("OLS-CUSUM"), h = 0.15, dynamic = FALSE, rescale = TRUE)

plot(sta)##结果稳健

5.脉冲响应

#标题栏说明，这是BCI(或者其他变量)对各个变量（包括BCI自身）的脉冲响应

(1)VAR脉冲响应

var.irf<-irf(var,n.head=10)

plot(var.irf)

(2)SVAR脉冲响应

svar.irf<-irf(svar,n.ahead = 100)

plot(svar.irf)

6.方差分解

#反映了各变量的贡献率

(1)VAR方差分解

fevd1<-fevd(var, n.ahead = 10)

fevd1$Count

(2)SVAR方差分解

fevd2<-fevd(svar, n.ahead = 10)

fevd2$Value

ps：有时候需要进行Johansen协整检验

#Johansen协整检验，

#对r=0（不存在协整关系）的检验统计量大于临界值，表明拒绝原假设

yJoTest = ca.jo(data, type = c("trace"), ecdet = c("none"), K = 2)

summary(yJoTest)

网页链接

多层回归模型通常涉及到对同一个体进行反复测量，这样得到的数据就不再相互独立而是存在某种相关性，所以普通线性回归不再适用。当这种反复测量是在不同时点上进行时，这就称为面板数据分析（panel data analysis）或者纵向数据分析（longitudinal data analysis）。