Comment estimer la fonction d'autorégression vectorielle et de réponse impulsionnelle avec les données du panel

9

Je travaille sur l'auto-régression vectorielle (VAR) et l'estimation de la fonction de réponse impulsionnelle (IRF) basée sur des données de panel avec 33 individus sur 77 trimestres. Comment analyser ce type de situation? Quels algorithmes existent à cet effet? Je préférerais effectuer ces analyses en R, donc si quelqu'un connaît le code R ou un package conçu à cet effet qu'il pourrait suggérer, ce serait particulièrement utile.

— ROM
source

Bienvenue sur le site, @Roman. Demander des packages R est hors sujet pour CV (voir notre page d'aide ). De plus, ce Q serait également hors sujet sur Stack Overflow . Vous pouvez essayer la liste de diffusion r-help.

— gung - Réintégrer Monica

Cette question semble être hors sujet car il s'agit de demander des packages R.

— gung - Réintégrer Monica

puis-je demander l'algorithme d'estimation VAR du panel?

— Rom

3

Bien sûr, vous pouvez demander comment faire face à cette situation, et dans le processus de réponse, quelqu'un pourrait être en mesure de fournir un code R utile (ou non ...). C'est juste demander "quel paquet fera X" qui est hors sujet. Si vous souhaitez que la question reste ici (et reste ouverte), modifiez simplement votre Q pour le rendre sur le sujet. Cela peut vous aider à lire la section pertinente de la page d'aide et notre guide pour poser des questions lors de la reformulation de votre Q.

— gung - Reinstate Monica

J'ai édité ceci dans l'espoir que cela pourrait conduire à des réponses plus productives pour vous. Veuillez vous assurer qu'il demande toujours ce que vous voulez savoir et voir si vous l'aimez. Sinon, cliquez sur "rollback" pour revenir à votre dernière modification avec mes excuses.

— gung - Rétablir Monica

2

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

Vous trouverez ici le R-package et le lien vers l'article.

— Michael Sigmund
source

J'ai créé une version parallélisée du code pour démarrer les fonctions de réponse impulsionnelle sur github.com/hannes101/ParallelPanelVAR

— hannes101

6

Les modèles d'autorégression de vecteurs de données de panel courants comprennent l' estimateur Arellano-Bond (communément appelé GMM "différence"), l' estimateur Blundell-Bond (communément appelé GMM "système") et l' estimateur Arellano-Bover . Tous utilisent GMM et commencent par un modèle:

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 et Bond prennent la première différence de pour supprimer l'effet fixe, , puis utilisent des niveaux décalés comme instruments: $y_{i,t}$ $\alpha_i$

E [Δ ϵ_{i t} y_{i, t - 2}] = 0

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

C'est fondamentalement la même que la procédure détaillée dans cet article Holtz-Eakin Newey Rosen , qui fournit également quelques instructions pour la mise en œuvre.

Blundell et Bond utilisent les premières différences en retard comme instruments pour les niveaux:

E [ϵ_{i t} Δ y_{i, t - 1}] = 0

$E[\epsilon_{it}\Delta y_{i,t-1}]=0$ Le nom "système" GMM signifie généralement un mélange de ces instruments avec ceux d'Arellano Bond.

Arellano et Bover utilisent le système GMM et explorent également la dégradation des variables, qui à ma connaissance n'est pas directement implémentée R, mais vous pouvez consulter leur article pour plus de détails.

Dans R, Arellano-Bond et Blundell-Bond sont implémentés dans le plmpackage , sous la commande pgmm. La documentation à laquelle j'ai lié fournit des instructions et des exemples pour savoir exactement comment les implémenter.

— jayk
source

Merci beaucoup! J'ai utilisé le package plm pour les panneaux simples. Et je m'inquiétais de son application pour les PVAR. Je vous remercie.

— Rom

1

researchgate.net/publication/322526372_panelvar_044 vous trouverez le package ici. Bonne chance dans vos recherches

— Michael Sigmund

3

Vous pouvez utiliser un système d'équations de régression apparemment sans rapport (à l'aide du package systemfit) après avoir converti l'ensemble de données avec pdata.frame (package plm). Vous devez dériver vous-même les fonctions de réponse impulsionnelle. Si vous suivez les manuels de Hamilton ou de Greene, cela ne devrait pas être trop compliqué.

— Ermanno
source

2

Je viens de trouver cet article "Panel Vector Autoregression in R: The Panelvar Package" (2017) par Michael Sigmund, Robert Ferstl et Daniel Unterkofler, qui est essentiellement une description des méthodes mises en œuvre dans R. https://papers.ssrn.com /sol3/papers.cfm?abstract_id=2896087

De plus, il y a une autre question ici: modèles d'autorégression vectorielle de panneau dans R?

Les auteurs sont actuellement en train de publier le code sur CRAN, mais fournissent déjà des packages binaires sur researchgate. https://www.researchgate.net/project/Panel-Vector-Autoregression-Models-with-different-GMM-estimators

Le package panelvar binaire peut être téléchargé directement, je pense que les sources devraient être disponibles sur CRAN dans un proche avenir. https://www.researchgate.net/publication/322526372_panelvar_044

— hannes101
source

1

Les réponses de lien uniquement peuvent devenir inutiles si le lien se brise (cela se produit vraiment). Vous pouvez étendre votre réponse en présentant les principaux concepts du document auquel vous accédez. Ou au moins, écrivez le Panelvarpaquet de vérification .

— Łukasz Deryło

Eh bien, le paquet n'est encore publié nulle part, donc je voulais simplement ajouter quelques références. J'espère que cela suffit maintenant.

— hannes101

2

Oui, c'est mieux. Maintenant, je peux rechercher ce document même si votre lien se brise. Merci!

— Łukasz Deryło

Le package panelvarest désormais disponible sur CRAN. Une fois installé et chargé, je commencerais à?pvargmm

— altabq

1

Je suggérerais d'utiliser la {vars}bibliothèque de R. Elle a une fonction pour estimer un modèle VAR et pour estimer une fonction de réponse impulsionnelle à partir de ce modèle et pour enquêter sur la causalité de Granger, etc.

Je vous suggère de regarder dans les fonctions suivantes:

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

— Fredrikhs
source

merci @fredrikhs pour vos commentaires. en fait, {vars} est bon pour les séries chronologiques. comment utiliser ce package à des fins de panneaux? l'application directe ne fonctionne pas ...

— Rom

Pouvez-vous donner un exemple, à quoi ressemblent les données?

— fredrikhs

Les données sont au format ordinaire comme pour le but du package {plm}. Vars: ID pays année REER PIB FinalConsumpExpend DimesticDemand ... (21 vars au total) sur 1994T1: 2003T1

— Rom

Le varspaquet ne fonctionne pas avec les données du panneau, afaik

— altabq

1

Salut @Roman et tout le monde. Je suis également dans les modèles de panneaux VAR et dans ma recherche, je suis tombé sur ces commandes écrites par l'utilisateur basées sur stata pvar et xtvar. J'ai déjà utilisé pvar et cela semble tout à fait correct. Vous pouvez en savoir plus à ce sujet ici, et une application étape par étape

— Ayobami
source

voici le lien vers la commande et l'application pvar

— Ayobami

1

L'OP a demandé le code R, donc je ne sais pas pourquoi vous pensez que Stata pourrait lui être utile. Peut-être pouvez-vous modifier votre réponse pour élaborer?

— mdewey