标签: vector-auto-regression

我的计算机使用 Intel(R) Core(TM) i7-10750H CPU @ 2.60GHz 2.59 GHz 的 CPT。我的 RAM 内存大小也是 16 GB。当我在 R 中运行以下面板 VAR 模型“pvargmm”时，

library(imputeTS)
library("panelvar")
data1=data.frame(na.remove(cbind(Country,   Date,   x1, x2, x3, x4, x5, x6, x7, x8, x9, x10,    x11,    x12,    x13,    x14,x15,x16,x17,x18)))
                                                            
colnames(data1)<-cbind("Country",   "Date", "x1",   "x2",   "x3",   "x4",   "x5",   "x6",   "x7",   "x8",   "x9",   "x10",  "x11",  "x12",  "x13",  "x14","x15","x16","x17","x18")
                                                            
                                                            
regp=pvargmm(dependent_vars = c("x13","x2","x3","x4","x5","x6"),lags = 1,                                                           
             exog_vars = c("x14"),                                                          
             data = data1,steps= c("mstep"),                                                            
             panel_identifier = c("Country", "Date"))                                                           

我总是收到以下错误：

Error in h(simpleError(msg, call)) : 
  error in evaluating the argument …

亲爱的程序员小伙伴们，

我正在尝试通过惩罚向量自回归分析高维数据集（31 个变量，1100 个观察值）。

由于我使用的是 Diebold 等人介绍的技术。al (2019) 通过方差分解矩阵构建连通性网络。我想在 r 中使用他们的包：https : //www.rdocumentation.org/packages/vars/versions/1.5-3/topics/fevd

但是，此包只能与常规 VAR 估计一起使用。我想使用惩罚回归，例如LASSO。那么我如何在 R 中使用他们的包，并带有惩罚的 VAR？

我尝试了什么？他们是 github 上的 Lassovars 包，但是，我不能在 fevd() 函数中使用它。它说：只使用来自 Vars 类的估计。

期待您的回复！

亲切的问候，

巴特

我试图通过从 statsmodels.tsa.ar_model import AutoReg, ar_select_order导入模块来使用 AR(p) 进行 MLE 回归，但是这个 ImportError 不断出现。如何解决这个问题？有没有其他方法可以在 Python 中进行自回归？