Question

我正在使用Statsmodels在Python中使用自回归模型。包很棒，我得到了我需要的确切结果。然而，测试残差相关性（Breusch-Godfrey LM-test）似乎不起作用，因为我收到了错误信息。

我的代码：

import pandas as pd
import datetime
import numpy as np
from statsmodels.tsa.api import VAR
import statsmodels.api as sm

df = pd.read_csv('US_data.csv')

# converting str formatted dates to datetime and setting the index
j = []
for i in df['Date']:
    j.append(datetime.datetime.strptime(i, '%Y-%m-%d').date())
df['Date'] = j
df = df.set_index('Date')

# dataframe contains three columns (GDP, INV and CONS)

# log difference
df = pd.DataFrame(np.log(df)*100)
df = df.diff()

p = 4 # order
model = VAR(df[1:])
results = model.fit(p, method='ols')
sm.stats.diagnostic.acorr_breusch_godfrey(results)

错误讯息：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-6-11abf518baae> in <module>()
----> 1 sm.stats.diagnostic.acorr_breusch_godfrey(results)

/home/****/anaconda3/lib/python3.6/site-packages/statsmodels/sandbox/stats/diagnostic.py in acorr_breusch_godfrey(results, nlags, store)
    501         nlags = int(nlags)
    502 
--> 503     x = np.concatenate((np.zeros(nlags), x))
    504 
    505     #xdiff = np.diff(x)

ValueError: all the input arrays must have same number of dimensions

五个月前，here提出了一个类似的问题，但没有运气。有人知道如何解决这个问题吗？非常感谢你提前！

Answer 1

这些诊断测试是针对像OLS这样的单变量模型设计的，我们有一维残差阵列。使用它的唯一方法是最有可能只使用VAR系统的单个方程或循环每个方程或变量。

statsmodels master中的VARResults具有test_whiteness_new方法，该方法是对VAR的多变量残差没有自相关的测试。它使用了Portmanteau测试，我认为它与Ljung-Box相同。状态空间模型也使用Ljung-Box进行相关测试。

Statsmodels（Python）：Breusch Godfrey Lagrange乘数测试

1 个答案: