Supponiamo che sto prendendo in considerazione diverse variabili indipendenti per la possibile inclusione in un modello ARIMAX che sto sviluppando. Prima di adattare variabili diverse, vorrei selezionare le variabili che mostrano causalità inversa usando un test di Granger (sto usando la granger.test
funzione del MSBVAR
pacchetto in R, anche se credo che altre implementazioni funzionino in modo simile). Come faccio a determinare quanti ritardi dovrebbero essere testati?
La funzione R è:, granger.test(y, p)
dove y
è un frame di dati o una matrice, ed p
è in ritardo.
L'ipotesi nulla è che gli ultimi valori di non aiutano nel predire il valore di .X Y
C'è qualche motivo per non selezionare un ritardo molto elevato qui (diverso dalla perdita di osservazioni)?
Nota che ho già differenziato ogni serie temporale nel mio frame di dati, in base all'ordine di integrazione delle mie serie storiche dipendenti. (Ad esempio, differenziare le mie serie temporali dipendenti una volta le ha rese stazionarie. Pertanto, ho anche differenziato tutte le serie storiche "indipendenti" una volta.)