Переменная упорядочения причинности Granger

Question

Я пытаюсь вычислить причинность Грейнджера из VAR с использованием пакета vars. Я знаю, что порядок переменной важен в VAR для вычисления IRF, но здесь у меня есть другой результат для причинности Грейнджера. Вот воспроизводимый пример:

test <- 
structure(c(324L, 444L, 456L, 451L, 484L, 535L, 625L, 622L, 532L, 
623L, 619L, 642L, 550L, 643L, 629L, 709L, 781L, 792L, 858L, 979L, 
974L, 1039L, 1062L, 1167L, 1345L, 1600L, 1789L, 1912L, 1965L, 
2086L, 2350L, 2507L, 2186L, 2224L, 2235L, 2435L, 1923L, 2035L, 
2253L, 2365L, 2214L, 2554L, 2714L, 2773L, 2777L, 2897L, 3060L, 
3053L, 2426L, 2714L, 2953L, 2925L, 3233L, 3494L, 3724L, 4137L, 
4147L, 4275L, 4726L, 4910L, 114L, 131L, 137L, 136L, 157L, 174L, 
207L, 165L, 168L, 189L, 176L, 187L, 138L, 153L, 176L, 183L, 196L, 
229L, 263L, 281L, 263L, 310L, 310L, 313L, 283L, 291L, 324L, 367L, 
410L, 423L, 470L, 452L, 465L, 529L, 559L, 602L, 657L, 729L, 721L, 
747L, 781L, 815L, 861L, 863L, 817L, 839L, 875L, 855L, 825L, 947L, 
1038L, 1086L, 1190L, 1235L, 1347L, 1435L, 1495L, 1482L, 1645L, 
1769L, 61L, 84L, 106L, 100L, 123L, 112L, 131L, 151L, 105L, 121L, 
127L, 167L, 166L, 164L, 153L, 212L, 228L, 236L, 264L, 316L, 223L, 
245L, 267L, 301L, 288L, 276L, 284L, 351L, 378L, 395L, 460L, 530L, 
479L, 483L, 472L, 528L, 399L, 456L, 477L, 480L, 500L, 526L, 550L, 
636L, 513L, 567L, 607L, 595L, 565L, 593L, 632L, 614L, 719L, 747L, 
874L, 1011L, 905L, 857L, 947L, 956L), .Dim = c(60L, 3L), .Dimnames = list(
    NULL, c("H", "M", "S")), index = structure(c(1996, 1996.08333333333, 
1996.16666666667, 1996.25, 1996.33333333333, 1996.41666666667, 
1996.5, 1996.58333333333, 1996.66666666667, 1996.75, 1996.83333333333, 
1996.91666666667, 1997, 1997.08333333333, 1997.16666666667, 1997.25, 
1997.33333333333, 1997.41666666667, 1997.5, 1997.58333333333, 
1997.66666666667, 1997.75, 1997.83333333333, 1997.91666666667, 
1998, 1998.08333333333, 1998.16666666667, 1998.25, 1998.33333333333, 
1998.41666666667, 1998.5, 1998.58333333333, 1998.66666666667, 
1998.75, 1998.83333333333, 1998.91666666667, 1999, 1999.08333333333, 
1999.16666666667, 1999.25, 1999.33333333333, 1999.41666666667, 
1999.5, 1999.58333333333, 1999.66666666667, 1999.75, 1999.83333333333, 
1999.91666666667, 2000, 2000.08333333333, 2000.16666666667, 2000.25, 
2000.33333333333, 2000.41666666667, 2000.5, 2000.58333333333, 
2000.66666666667, 2000.75, 2000.83333333333, 2000.91666666667 
), class = "yearmon"), class = "zoo") 

Я следую процедуре Тода-Ямамото со следующим кодом:

VARselect(test, lag.max=14) 
var<-VAR(test, p=2, season=12) 
serial.test(var) 
var<-VAR(test, p=3, season=12) 

aTester<-c(1) 
#test causality of Industry on all others variables 
wald.test(b=coef(var$varresult[[1]]), Sigma=vcov(var$varresult[[1]]), Terms=aTester) 
#test causality of Finance on all others variables 
wald.test(b=coef(var$varresult[[1]]), Sigma=vcov(var$varresult[[1]]), Terms=aTester+1) 
#test causality of Consulting on all others variables 
wald.test(b=coef(var$varresult[[1]]), Sigma=vcov(var$varresult[[1]]), Terms=aTester+2) 

Мой результат различны, если изменение порядка переменной в VAR и я действительно не» понять почему.

EDIT: Видимо, я сделал большую ошибку, и я должен был что-то изменить в своем коде:

wald.test(b=coef(var$varresult[[1]]), Sigma=vcov(var$varresult[[1]]), Terms=aTester) 
    #test causality of Finance on all others variables 
    wald.test(b=coef(var$varresult[[**2**]]), Sigma=vcov(var$varresult[[**2**]]), Terms=aTester+1) 
    #test causality of Consulting on all others variables 
    wald.test(b=coef(var$varresult[[**3**]]), Sigma=vcov(var$varresult[[**3**]]), Terms=aTester+2) 

Answer 1

Он смотрит на меня, как вы указываете ваш Terms= аргумент неправильно. Далее следует краткое описание с примерами по aod::wald.test() и vars::causality():

Если вы хотите проверить, что «M, S делать не Грейнжеру Н», то

wald.test(b=coef(var$varresult[[1]]), Sigma=vcov(var$varresult[[1]]), Terms=c(2,3,5,6,8,9)) 

который можно также получить непосредственно из vars -package по:

causality(var,c("M","S")) 

Если вы хотите проверить, что "S сделать не Грейнжеру H, M", то вы могли бы сделать что-то вместе:

wald.test(
    b=Reduce(rbind,coef(var))[c(1:9,22:30),1], 
    Sigma=vcov(var)[c(2:10,23:31),c(2:10,23:31)], 
    Terms=c(3,6,9,12,15,18) 
) 

, где он требует немного больше работы из-за разницы в переменном порядке. В vars можно непосредственно указать:

causality(var,"S") 

, наконец, если вы хотите двумерный Грейнджер причинность тестов, то вы можете использовать функцию в MSBVAR:

library(MSBVAR) 
granger.test(test, p=3) 

Надеется, что это помогает.