วิธีประมาณฟังก์ชั่นการตอบกลับอัตโนมัติของเวกเตอร์ & การตอบสนองต่อแรงกระตุ้นด้วยข้อมูลพาเนล

9

ฉันกำลังทำงานกับการประมาณเวกเตอร์การถดถอยอัตโนมัติ (VARs) และการประมาณค่าฟังก์ชันตอบสนองต่อแรงกระตุ้น (IRF) ตามข้อมูลพาเนลกับบุคคล 33 คนใน 77 ไตรมาส สถานการณ์ประเภทนี้ควรวิเคราะห์อย่างไร มีอัลกอริทึมอะไรอยู่สำหรับจุดประสงค์นี้ ฉันต้องการดำเนินการวิเคราะห์เหล่านี้ใน R ดังนั้นหากใครคุ้นเคยกับรหัส R หรือแพ็คเกจที่ออกแบบมาเพื่อจุดประสงค์นี้ที่พวกเขาสามารถแนะนำได้นั่นจะเป็นประโยชน์อย่างยิ่ง

— รอม
แหล่งที่มา

ยินดีต้อนรับสู่เว็บไซต์ @Roman การขอแพ็คเกจ R อยู่นอกหัวข้อของ CV (ดูหน้าช่วยเหลือของเรา) ยิ่งไปกว่านั้นคำถามนี้จะเป็นประเด็นนอกเรื่องStack Overflowเช่นกัน คุณอาจลองใช้ listserv ของ r-help

— gung - Reinstate Monica

คำถามนี้ดูเหมือนจะไม่เป็นหัวข้อเพราะเป็นเรื่องเกี่ยวกับการขอแพ็คเกจ R

— gung - Reinstate Monica

ฉันจะขออัลกอริทึมสำหรับการประมาณค่าพาเนล VAR ได้หรือไม่

— รอม

3

แน่นอนคุณสามารถถามเกี่ยวกับวิธีจัดการกับสถานการณ์นี้ & ในขั้นตอนการตอบใครบางคนอาจให้รหัส R ที่เป็นประโยชน์ (หรือไม่ ... ) เพียงแค่ถามว่า 'แพ็คเกจใดที่จะทำ X' ซึ่งเป็นหัวข้อ หากคุณต้องการให้คำถามอยู่ที่นี่ (& เปิดตลอดเวลา) เพียงแก้ไข Q ของคุณเพื่อให้อยู่ในหัวข้อ มันอาจช่วยให้คุณอ่านส่วนที่เกี่ยวข้องของหน้าความช่วยเหลือ & คำแนะนำของเราเพื่อถามคำถามในการปฏิรูปคิวของคุณ

— gung - Reinstate Monica

ฉันแก้ไขสิ่งนี้ด้วยความหวังว่าอาจนำไปสู่คำตอบที่มีประสิทธิผลมากขึ้นสำหรับคุณ โปรดตรวจสอบให้แน่ใจว่ายังคงถามสิ่งที่คุณต้องการทราบและดูว่าคุณชอบหรือไม่ หากไม่เป็นเช่นนั้นให้คลิก "ย้อนกลับ" เพื่อกลับไปแก้ไขครั้งล่าสุดด้วยคำขอโทษ

— gung - Reinstate Monica

2

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

ที่นี่คุณจะพบกับ R-package และลิงค์ไปยังกระดาษ

— Michael Sigmund
แหล่งที่มา

ฉันได้สร้างรหัสรุ่นขนานเพื่อ bootstrap ฟังก์ชั่นการตอบสนองต่อแรงกระตุ้นที่github.com/hannes101/ParallelPanelVAR

— hannes101

6

แผงควบคุมอัตโนมัติแบบเวกเตอร์ข้อมูลทั่วไปประกอบด้วยArellano-Bondประมาณ (เรียกโดยทั่วไปว่า "ความแตกต่าง" GMM), Blundell-Bondประมาณ (ปกติเรียกว่า "ระบบ" GMM) และArellano-Boverประมาณ ทั้งหมดใช้ GMM และเริ่มต้นด้วยแบบจำลอง:

y_{i t} = \sum_{l = 1}^{p} ρ_{l} y_{i, t - l} + x_{i, t}^{'} β + α_{i} + ϵ_{i t}

$y_{it}=\sum_{l=1}^p\rho_ly_{i,t-l}+x_{i,t}'\beta+\alpha_i+\epsilon_{it}$

Arellano and Bondมีความแตกต่างเป็นครั้งแรกของเพื่อลบเอฟเฟกต์ถาวรจากนั้นใช้ระดับที่ล้าหลังเป็นเครื่องมือ: $y_{i,t}$ $\alpha_i$

E [Δ ϵ_{i t} y_{i, t - 2}] = 0

$E[\Delta \epsilon_{it}y_{i,t-2}]=0$

นี่เป็นพื้นฐานเช่นเดียวกับขั้นตอนรายละเอียดในบทความHoltz-Eakin Newey Rosenซึ่งมีคำแนะนำสำหรับการใช้งาน

Blundell and Bondใช้ความแตกต่างแรกเป็นเครื่องมือสำหรับระดับ:

E [ϵ_{i t} Δ y_{i, t - 1}] = 0

$E[\epsilon_{it}\Delta y_{i,t-1}]=0$ ชื่อ "ระบบ" GMM มักจะหมายถึงการผสมผสานของเครื่องมือเหล่านี้กับเครื่องมือจาก Arellano Bond

Arellano และ Boverใช้ระบบ GMM และสำรวจการลดความแปรปรวนของตัวแปรซึ่งความรู้ของฉันไม่ได้นำไปใช้โดยตรงRแต่คุณสามารถตรวจสอบรายละเอียดได้จากเอกสารของพวกเขา

ในRทั้งสองเรลลา-พันธบัตรและตราสารหนี้ Blundell-จะดำเนินการในplmแพคเกจpgmmภายใต้คำสั่ง เอกสารที่ฉันเชื่อมโยงเพื่อให้คำแนะนำและตัวอย่างสำหรับวิธีการใช้งาน

— jayk
แหล่งที่มา

ขอบคุณมาก! ฉันใช้แพคเกจ PLM สำหรับการติดตั้งง่าย และฉันกังวลเกี่ยวกับแอปพลิเคชันสำหรับ PVAR ขอบคุณ.

— รอม

1

researchgate.net/publication/322526372_panelvar_044คุณจะพบแพ็คเกจที่นี่ ขอให้โชคดีกับการวิจัยของคุณ

— Michael Sigmund

3

คุณสามารถใช้ระบบสมการการถดถอยที่ไม่เกี่ยวข้อง (ใช้ package systemfit) หลังจากที่คุณแปลงชุดข้อมูลด้วย pdata.frame (แพคเกจ PLM) คุณต้องได้รับฟังก์ชั่นตอบสนองต่อแรงกระตุ้นด้วยตัวเอง ถ้าคุณทำตามตำราของแฮมิลตันหรือกรีนมันไม่ควรซับซ้อนเกินไป

— Ermanno
แหล่งที่มา

2

ฉันเพิ่งพบบทความนี้ "Panel Vector Autoregression ใน R: The Panelvar Package" (2017) โดย Michael Sigmund, Robert Ferstl และ Daniel Unterkofler ซึ่งโดยพื้นฐานแล้วเป็นคำอธิบายของวิธีการที่ใช้ใน R. https://papers.ssrn.com /sol3/papers.cfm?abstract_id=2896087

นอกจากนี้ยังมีคำถามอื่นที่นี่: แผงควบคุมโมเดลการบุกรุกอัตโนมัติเวกเตอร์ใน R

ขณะนี้ผู้เขียนกำลังอยู่ในขั้นตอนการเผยแพร่โค้ดบน CRAN แต่ได้จัดเตรียมแพ็คเกจไบนารีบน researchgate แล้ว https://www.researchgate.net/project/Panel-Vector-Autoregression-Models-with-different-GMM-estimators

แพคเกจ panelvar แบบไบนารีสามารถดาวน์โหลดได้โดยตรงฉันคิดว่าแหล่งที่มาควรจะมีใน CRAN ในอนาคตอันใกล้ https://www.researchgate.net/publication/322526372_panelvar_044

— hannes101
แหล่งที่มา

1

คำตอบสำหรับลิงก์อย่างเดียวอาจไร้ประโยชน์หากตัวแบ่งลิงก์เกิดขึ้นจริง คุณสามารถขยายคำตอบของคุณด้วยการนำเสนอแนวคิดที่สำคัญจากบทความที่คุณเชื่อมโยงไปถึง หรืออย่างน้อยเขียนPanelvarแพคเกจ'ตรวจสอบ

— ŁukaszDeryło

แพคเกจยังไม่ได้เผยแพร่ที่ไหนเลยดังนั้นโดยทั่วไปฉันแค่ต้องการเพิ่มการอ้างอิง หวังว่าตอนนี้ก็เพียงพอแล้ว

— hannes101

2

ใช่ดีกว่า ตอนนี้ฉันสามารถค้นหาเอกสารนี้ได้แม้ว่าลิงก์ของคุณจะแตก ขอบคุณ!

— ŁukaszDeryło

แพ็คเกจpanelvarนี้มีใน CRAN แล้วในตอนนี้ เมื่อติดตั้งและโหลดแล้วฉันจะเริ่มต้นที่?pvargmm

— altabq

1

ฉันขอแนะนำให้ใช้{vars}ห้องสมุดใน R มันมีฟังก์ชั่นสำหรับการประเมิน VAR-model และสำหรับการประเมินฟังก์ชั่นการตอบสนองต่อแรงกระตุ้นจากรุ่นนี้และการตรวจสอบสาเหตุของ Granger เป็นต้น

ฉันขอแนะนำให้คุณดูในฟังก์ชั่นต่อไปนี้:

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

— fredrikhs
แหล่งที่มา

ขอบคุณ @fredrikhs สำหรับความคิดเห็นของคุณ จริงๆแล้ว {vars} ดีต่ออนุกรมเวลา จะใช้แพ็คเกจนี้เพื่อจุดประสงค์ในการติดตั้งได้อย่างไร ตรงที่จะใช้งานไม่ได้ ...

— Rom

คุณยกตัวอย่างได้ไหมข้อมูลมีหน้าตาเป็นอย่างไร?

— fredrikhs

ข้อมูลอยู่ในรูปแบบธรรมดาสำหรับวัตถุประสงค์ของแพ็คเกจ {plm} Vars: ID ประเทศปี REER GDP FinalConsumpExpend DimesticDemand ... (รวม 21 vars) ในช่วงปี 1994Q1: 2003Q1 ช่วงเวลา

— โรม

varsแพคเกจไม่ได้ทำงานกับข้อมูลที่แผง AFAIK

— altabq

1

สวัสดี @ Roman และทุก ๆ คน ฉันยังอยู่ในพาเนลโมเดล VAR และในการค้นหาของฉันฉันเจอคำสั่งที่เขียนโดยผู้ใช้แบบ pata และ xtvar ฉันเคยใช้ pvar มาแล้วและมันก็ค่อนข้างโอเค คุณสามารถอ่านเพิ่มเติมได้ที่นี่และแอปพลิเคชั่นทีละขั้นตอน

— Ayobami
แหล่งที่มา

นี่คือลิงค์ไปยังคำสั่ง pvar และแอปพลิเคชัน: paneldataconference2015.ceu.hu/Program/Michael-Abrigo.pdf

— Ayobami

1

OP ขอรหัส R ดังนั้นฉันไม่แน่ใจว่าทำไมคุณคิดว่า Stata จะช่วยเขาได้บ้าง บางทีคุณสามารถแก้ไขคำตอบของคุณอย่างละเอียด?

— mdewey