Giả sử tôi đang xem xét một số biến độc lập để đưa vào mô hình ARIMAX mà tôi đang phát triển. Trước khi điều chỉnh các biến khác nhau, tôi muốn sàng lọc các biến thể hiện quan hệ nhân quả ngược bằng cách sử dụng thử nghiệm Granger ( mặc dù tôi đang sử dụng granger.test
hàm từ MSBVAR
gói trong R, mặc dù vậy, tôi tin rằng các hàm ý khác hoạt động tương tự). Làm thế nào để tôi xác định có bao nhiêu độ trễ nên được kiểm tra?
Hàm R là : granger.test(y, p)
, trong đó y
là khung dữ liệu hoặc ma trận và p
là độ trễ.
Các giả thuyết là quá khứ giá trị của làm không thể giúp ích trong việc dự đoán giá trị của .
Có bất kỳ lý do để không chọn độ trễ rất cao ở đây (ngoài việc mất các quan sát)?
Lưu ý rằng tôi đã phân biệt từng chuỗi thời gian trong khung dữ liệu của mình, dựa trên thứ tự tích hợp chuỗi thời gian phụ thuộc của tôi. (Ví dụ: phân biệt chuỗi thời gian phụ thuộc của tôi một lần khiến nó đứng yên. Do đó, tôi cũng phân biệt tất cả các chuỗi thời gian "độc lập" một lần.)