Supongamos que estoy considerando varias variables independientes para una posible inclusión en un modelo ARIMAX que estoy desarrollando. Antes de ajustar diferentes variables, me gustaría descartar variables que exhiben causalidad inversa mediante el uso de una prueba de Granger (estoy usando la granger.test
función del MSBVAR
paquete en R, aunque creo que otras implicaciones funcionan de manera similar). ¿Cómo determino cuántos retrasos se deben probar?
La función R es:, granger.test(y, p)
donde y
es un marco de datos o matriz, y p
son los retrasos.
La hipótesis nula es que los últimos valores de no ayudan a predecir el valor de .X Y
¿Hay alguna razón para no seleccionar un retraso muy alto aquí (aparte de la pérdida de observaciones)?
Tenga en cuenta que ya he diferenciado cada serie de tiempo en mi marco de datos, según el orden de integración de mis series de tiempo dependientes. (Por ejemplo, diferenciar mis series temporales dependientes una vez lo hizo estacionario. Por lo tanto, también diferenciaba todas las series temporales "independientes" una vez).