Wie man die Vektorautoregression und die Impulsantwortfunktion mit Paneldaten schätzt

Ich arbeite an der Schätzung der Vektorautoregression (VARs) und der Impulsantwortfunktion (IRFs) basierend auf Paneldaten mit 33 Personen über 77 Quartale. Wie soll diese Art von Situation analysiert werden? Welche Algorithmen gibt es für diesen Zweck? Ich würde es vorziehen, diese Analysen in R durchzuführen. Wenn also jemand mit R-Code oder einem für diesen Zweck entwickelten Paket vertraut ist, das er vorschlagen könnte, wäre dies besonders hilfreich.

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

Hier finden Sie das R-Paket und den Link zum Papier.

Zu den gängigen Autoregression-Modellen für Paneldatenvektoren gehören der Arellano-Bond- Schätzer (allgemein als "Differenz" -GMM ​​bezeichnet), der Blundell-Bond- Schätzer (üblicherweise als "System" -GMM ​​bezeichnet) und der Arellano-Bover- Schätzer. Alle verwenden GMM und beginnen mit einem Modell:

Arellano und Bond nehmen die erste Differenz von , um den festen Effekt zu entfernen, und verwenden dann verzögerte Pegel als Instrumente: $y_{i,t}$$\alpha_i$

Dies entspricht im Wesentlichen dem in diesem Artikel von Holtz-Eakin Newey Rosen beschriebenen Verfahren , das auch einige Anweisungen zur Implementierung enthält.

Blundell und Bond verwenden verzögerte erste Unterschiede als Instrumente für Levels:

Arellano und Bover verwenden das GMM-System und untersuchen auch die Vorwärtsverschlechterung von Variablen, für die meines Wissens nicht direkt implementiert Rist. Sie können jedoch in ihrem Dokument nach Einzelheiten suchen.

In Rwerden sowohl Arellano-Bond als auch Blundell-Bond unter dem Befehl im plmPaket implementiert pgmm. Die Dokumentation, auf die ich verlinkt habe, enthält Anweisungen und Beispiele für die genaue Implementierung.

Sie können ein System von scheinbar nicht verwandten Regressionsgleichungen (unter Verwendung des Pakets systemfit) verwenden, nachdem Sie das Dataset mit pdata.frame (plm-Paket) konvertiert haben. Sie müssen die Impulsantwortfunktionen selbst ableiten. Wenn Sie dem Lehrbuch von Hamilton oder Greene folgen, sollte es nicht zu kompliziert sein.

Ich habe gerade dieses Papier "Panel Vector Autoregression in R: Das Panelvar-Paket" (2017) von Michael Sigmund, Robert Ferstl und Daniel Unterkofler gefunden, das im Grunde eine Beschreibung der in R. https://papers.ssrn.com implementierten Methoden ist /sol3/papers.cfm?abstract_id=2896087

Zusätzlich gibt es hier eine andere Frage: Panel-Vektor-Autoregression-Modelle in R?

Die Autoren veröffentlichen derzeit den Code auf CRAN, stellen jedoch bereits Binärpakete auf researchgate bereit. https://www.researchgate.net/project/Panel-Vector-Autoregression-Models-with-different-GMM-estimators

Das binäre Panelvar-Paket kann direkt heruntergeladen werden. Ich denke, Quellen sollten in naher Zukunft auf CRAN verfügbar sein. https://www.researchgate.net/publication/322526372_panelvar_044

Ich würde vorschlagen, die {vars}Bibliothek in R zu verwenden. Sie hat eine Funktion zum Schätzen eines VAR-Modells und zum Schätzen einer Impulsantwortfunktion aus diesem Modell und zum Untersuchen der Granger-Kausalität usw.

Ich schlage vor, Sie untersuchen die folgenden Funktionen:

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

Hallo @Roman und alle anderen. Ich bin auch in Panel-VAR-Modellen und bei meiner Suche bin ich auf diese stata-basierten benutzergeschriebenen Befehle pvar und xtvar gestoßen. Ich habe pvar bereits verwendet und es scheint ganz okay zu sein. Hier können Sie mehr darüber und eine schrittweise Anwendung lesen