for 循环：对 R 中所有可能的组合执行协整检验

Question

我想弄清楚我是否可以通过 ADF 检验找到非平稳时间序列的每个组合的协整关系。这可以通过以下函数完成：

coint <- function(x,y) {
vals <- data.frame(x,y)
beta <- coef(lm(vals[,2] ~ vals[,1] + 0, data = vals))[1]
(tseries::adf.test(vals[,2]- beta*vals[,1], alternative = "stationary", k = 0))$p.value
}

如果我运行函数 coint(df1, df2)，我得到一个 p 值。但是，我想为每种可能的组合执行此操作（并将其存储在数据框中）。我已经知道我可以使用 combn() 函数进行所有可能的组合。但是，我无法让我的 for 循环正确地为所有可能的组合执行此操作。也许这个操作也可以用 purrr 包中的函数来完成？

如有任何建议，我们将不胜感激！我还在下面添加了一个示例数据框。

   # A tibble: 18 x 5
       `1` `2` `3` `4` `5` `

 1    416 850 53  78  66     
 2    407 922 43  82  67    
 3    410 901 37  84  71     
 4    412 945 53  95  77     
 5    409 998 101 83  86     
 6    375 947 53  86  84     
 7    364 908 43  87  71     
 8    377 952 39  95  64     
 9    387 961 18  109 69  
10    352 932 11  102 69     
11    332 920 12  108 69    
12    318 987 22  121 83     
13    320 961 17  124 88     
14    325 931 15  145 64     
15    328 816 6   169 44     
16    315 925 8   156 55     
17    309 737 4   176 49     
18    273 626 4   193 59

Answer 1

不是最好和最有效的循环，但我认为没问题：输入将是一个数据框，其中包含要检查的所有变量

 coint <- function(vars) {
    d<-as.matrix(vars) #convert data frame to Matrix
    n<-length(colnames(vars)) #calculate the total number of variables
    m<-combn(n,2) #calculate all possible combinations of pairs for all variables
    col_m<-dim(m)[2] #number of all possible combinations
    result<-matrix(NA,nrow=col_m,ncol=3) #empty result matrix
    colnames(result)<-c("Var_1","Var_2","p_Value")
    for (i in 1:col_m){
      Var_1<-m[1,i] 
      Var_2<-m[2,i]
      res <- lm(d[,Var_1] ~ d[,Var_2] + 0)$residuals 
      p<-tseries::adf.test(res, alternative = "stationary", k = 0)$p.value
      result[i,1]<-colnames(vars)[Var_1]
      result[i,2]<-colnames(vars)[Var_2]
      result[i,3]<-p
    }
    return(result)
  }

协整方法是关于2个变量的残差需要平稳。我立即将它们从估计中剔除，而不是重新计算它们。

for 循环：对 R 中所有可能的组合执行协整检验

for loop: performing cointegration test for all possible combinations in R

statistics

for-loop

r

time-series

purrr