滚动窗口回归估计如下: data = datam,每期60个窗口
datam=cbind(unempts,gdpts)
datam <-matrix(datam,ncol=2)
out <- rollapplyr(datam,
width = 60,
FUN = function(x) coef(lm(as.data.frame(x))),
by.column=FALSE)
plot((out[,2]),type="l")
在该图中还需要通过使用HAC和非HAC SE来增加置信区间以获得斜率系数。为了获得SE我试过
coeftest(out[,2],vcov. = out[,2]$hacse)
但是我收到了错误 -
错误:$运算符对原子矢量无效
请告知我出了什么事。
答案 0 :(得分:2)
为了让您的例子具有可再现性,我从Greene的计量经济学教科书中获取了AER
包中提供的失业率和GDP数据。我还把国内生产总值的回报率而不是国内生产总值的水平:
data("USMacroG", package = "AER")
datam <- ts.intersect(
unemp = USMacroG[, "unemp"],
gdp = diff(log(USMacroG[, "unemp"]))
)
然后可以通过zoo
包执行滚动回归:
library("zoo")
out <- rollapplyr(datam, width = 60, by.column = FALSE,
FUN = function(x) coef(lm(as.data.frame(x))))
结果对象out
是一个时间序列对象(类"ts"
),其中只存储两个回归系数(截距和斜率)。
class(out)
## [1] "mts" "ts" "matrix"
head(out, 3)
## (Intercept) gdp
## [1,] 4.896035 2.104652
## [2,] 4.878405 2.307698
## [3,] 4.870110 2.397435
因此,绘制第二列会产生随时间变化的GDP回报率:
plot(out[, 2])
因此,为了获得除系数之外的标准误差,需要将这些误差存储在out
时间序列中。使用sandwich
包可以获得各种风格的HAC标准错误(安德鲁斯内核HAC,Newey-West等)。对于单线性回归:
reg <- lm(as.data.frame(datam))
coef(reg)
## (Intercept) gdp
## 5.677756 2.945576
sqrt(diag(vcov(reg)))
## (Intercept) gdp
## 0.1101139 1.5414225
library("sandwich")
sqrt(diag(kernHAC(reg)))
## (Intercept) gdp
## 1.543329 2.810953
正如您所看到的,由于数据中的正自相关(可能更明确地建模而不是通过HAC标准错误捕获),HAC标准错误要大得多。
out <- rollapplyr(datam, width = 60, by.column = FALSE,
FUN = function(x) {
reg <- lm(as.data.frame(x))
c(
"slope" = coef(reg)[2],
"se" = sqrt(diag(vcov(reg)))[2],
"hacse" = sqrt(diag(kernHAC(reg)))[2]
)
})
这会产生估计的斜率和两种标准误差:
head(out, 3)
## slope.gdp se.gdp hacse.gdp
## [1,] 2.104652 1.482968 2.079983
## [2,] 2.307698 1.491482 2.153506
## [3,] 2.397435 1.532250 2.278149
从这里你可以创建更多的情节等。示例中的模型并不是特别适合并且相当可疑。但我希望现在很清楚(呃)R代码是如何工作的。
答案 1 :(得分:0)
我们真的没有准备好解决您在问题标题中提出的主题,因为有更多基本错误和许多含糊不清需要澄清。错误来自out[,2]$hacse
。 out[,2]
部分返回一个向量,您无法使用$
来访问向量的组件。
在评论中,您会询问回归对象的位置。它由lm(as.data.frame(x))
返回到函数coef
,然后coef函数丢弃,但是还存在其他问题。没有公式。所以我不明白你想做什么。您对datam
对象的描述是粗略的,以便进一步发表评论。为什么不生成str(datam)
并解释你真正希望做的事情。 (默认包中没有函数rollapplyr
,因此您还需要包含library
调用。)