ग्रैंगर कारण परीक्षण के लिए लैग ऑर्डर

मान लीजिए कि मैं अपने द्वारा विकसित ARIMAX मॉडल में संभव समावेश के लिए कई स्वतंत्र चर पर विचार कर रहा हूं। अलग-अलग वेरिएबल्स को फिट करने से पहले, मैं ऐसे वेरिएबल्स को स्क्रीन करना चाहता हूं जो ग्रेंजर टेस्ट ( आर में पैकेज granger.testसे फ़ंक्शन का उपयोग कर रहा हूं MSBVAR, हालांकि, मैं इसका उपयोग करता हूं, हालांकि, मेरा मानना है कि अन्य इम्प्लांटेशन इसी तरह काम करते हैं)। मैं यह कैसे निर्धारित करूं कि कितने लैग्स का परीक्षण किया जाना चाहिए?

आर फ़ंक्शन है: granger.test(y, p)जहां yएक डेटा फ़्रेम या मैट्रिक्स है, और pलैग्स है।

अशक्त परिकल्पना यह है कि के पिछले वैल्यू के मूल्य की भविष्यवाणी करने में मदद नहीं करते हैं । $p$ $X$ $Y$

क्या कोई कारण है कि यहां बहुत अधिक अंतराल का चयन न किया जाए (टिप्पणियों के नुकसान के अलावा)?

ध्यान दें कि मैंने अपने समय सीमा के एकीकरण के क्रम के आधार पर अपने डेटा फ्रेम में हर बार श्रृंखला को पहले ही अलग कर लिया है । (उदाहरण के लिए, मेरे आश्रित समय श्रृंखला को अलग करते हुए एक बार इसे स्थिर बना दिया। इसलिए, मैंने एक बार सभी "स्वतंत्र" समय श्रृंखलाओं को भी अलग कर दिया।)

lags granger-causality

— CH-पब
स्रोत

ध्यान दें कि स्टेशनरी पाने के लिए भिन्नता की आपकी रणनीति संयोग की अनुपस्थिति के अधीन है। विवरण के लिए डेव जाइल्स द्वारा उत्कृष्ट ब्लॉग पोस्ट "ग्रेंजर कॉजेलिटी के लिए परीक्षण" देखें।

— रिचर्ड हार्डी

व्यापार बंद पूर्वाग्रह और शक्ति के बीच है। बहुत कम अंतराल, आपके पास अवशिष्ट ऑटो-सहसंबंध के कारण एक पक्षपातपूर्ण परीक्षण है। बहुत से, आप अशक्त के संभावित रूप से अस्वीकार किए जाने की अनुमति देते हैं - कुछ यादृच्छिक सहसंबंध ऐसा लग सकता है जैसे भविष्यवाणी करने में मदद करता है । एक व्यावहारिक चिंता आपके डेटा पर निर्भर करती है या नहीं, मेरा अनुमान अधिक दुबला होगा, लेकिन अंतराल की लंबाई हमेशा निम्नानुसार निर्धारित की जा सकती है: $X$ $Y$

ग्रेंजर कारण को हमेशा किसी न किसी मॉडल के संदर्भ में जांचना होता है। granger.testआर में फ़ंक्शन के विशिष्ट मामले में , मॉडल में द्विभाजक परीक्षण में प्रत्येक दो चर के पिछले मान हैं। इसलिए इसका उपयोग करने वाला मॉडल है:

y_{मैं, टी} = α + Σ_{एल = 1}^{पी} β_{एल} y_{मैं, टी - एल} + γ_{एल} {एक्स}_{मैं, टी - एल} + ε_{मैं, टी}

$y_{i,t}=\alpha+\sum_{l=1}^p \beta_ly_{i,t-l} + \gamma_lx_{i,t-l}+\epsilon_{i,t}$

इस मॉडल के लिए चुनने का एक पारंपरिक तरीका यह होगा कि विभिन्न मूल्यों के साथ इस प्रतिगमन का प्रयास करें और प्रत्येक अंतराल लंबाई के लिए एआईसी या बीआईसी का ट्रैक रखें। फिर के मूल्य का उपयोग करके फिर से परीक्षण चलाएं जो आपके रजिस्टरों में सबसे कम आईसी था। $p$ $p$ $p$

सामान्य तौर पर मॉडल में अंतराल की संख्या और लिए भिन्न हो सकती है और एक ग्रेंजर परीक्षण अभी भी उचित होगा। यह लागू करने के विशिष्ट मामले में है कि आपके दोनों के लिए समान संख्या में लैग्स के लिए बाध्य है। यह सुविधा की बात है, सैद्धांतिक आवश्यकता नहीं। दो चर के लिए अलग अंतराल लंबाई के साथ, आप अभी भी अपने मॉडल का चयन करने के AIC या बीआईसी उपयोग कर सकते हैं, तो आप सिर्फ कई संयोजनों की तुलना करना होगा के अंतराल और के अंतराल । देखें इस । $x$ $y$ granger.test $n$ $x$ $m$ $y$

सिर्फ एक अतिरिक्त शब्द - क्योंकि ग्रेंजर परीक्षण मॉडल पर निर्भर है, छोड़े गए चर पूर्वाग्रह ग्रैंगर कारण के लिए एक समस्या हो सकते हैं। आप अपने मॉडल में सभी चर शामिल करना चाह सकते हैं, और फिर granger.testफ़ंक्शन का उपयोग करने के बजाय उनके ब्लॉक को बाहर करने के लिए ग्रेंजर कारण का उपयोग कर सकते हैं जो केवल जोड़ी-वार परीक्षण करता है।

— jayk
स्रोत

मुझे यह देखने दें कि क्या मैं इसे सही तरीके से समझता हूं ... इसलिए, अगर मैं जाँच रहा हूं कि क्या y X1 में परिवर्तन का कारण बनता है, तो मैं कई फिट बैठता हूं: X1 ~ L (y, 1), X1 ~ L (y, 1) + L (y, 2), X1 ~ L (y, 1) + L (y, 2) + L (y, 3) ... फिर, सबसे अच्छा IC वाला वह लैग है जिसे मैं ग्रेंजर टेस्ट के लिए उपयोग करता हूं?

— ch-pub

हां, हालांकि एक्स के पिछड़े हुए मूल्यों को भी शामिल किया जाना चाहिए।

— 15:15 बजे जेक

मुझे यकीन नहीं है कि मैं उस हिस्से को समझता हूं। क्या आपका मतलब इस तरह की किसी चीज से है? X1 ~ L (y, 1) + L (X1,1) बनाम X1 ~ L (y, 1) + L (X1,1) + L (y, 2) + L (X1,2) बनाम ...

— ch-pub

हाँ। सामान्य तौर पर आपको इसे इस तरह से करने की आवश्यकता नहीं होती है क्योंकि अंतराल की लंबाई x और y के लिए समान नहीं होती है। देखें: en.wikipedia.org/wiki/Granger_causality#Mathematical_statement हालांकि R कमांड granger.test x और y के पिछले मानों का उपयोग करता है। परीक्षण में अंतर्निहित इस विनिर्देश के साथ आपको x और y बनाम IC के पिछले मानों के साथ IC का उपयोग करने की कोशिश करनी चाहिए x और y के n + 1 पिछले मूल्यों के साथ IC।

— जक

कोई दिक्कत नहीं है! मैंने इसे कम अपारदर्शी बनाने के लिए बस अपनी मूल प्रतिक्रिया संपादित की है।

— १६:१४ बजे १६:१४