r - 由于 R 中的内生性,2SLS 时间序列的 GMM
问题描述
我正在尝试估计受内生性影响的时间序列数据模型。我用 2SLS 估计它,我对异方差和 ser 具有鲁棒性。相关性(我知道它存在)但 t-stats 非常低。一个原因是我没有顶级仪器,但更重要的问题是在这种情况下,2SLS 的效率低于 GMM。尽管如此,由于此错误,我无法在 R 中指定代码:
solve.default(diag(ncol(umat)) - apply(var.fit$ar, 2:3, sum)) 中的错误:系统在计算上是奇异的:倒数条件数 = 1.0524e-34
我没有完美的共线性。所以问题是不同的......这是我到目前为止所做的。
这是标准的OLS回归:
final_formula<-logod~PD_1+gdp+interest_rate_1+exchange_rate_4+unemployment_rate+ted_spread+fiscal1
summary(final_model<-lm(data = US_data,formula = final_formula))
其中 logod=log(PD/(1-PD)),PD 是违约概率,gdp 是实际 gdp,interest_rate_1 是 10 年政府滞后一个月。债券利率,.......等等
然后通过 ivreg 进行 2SLS
ivreg(data = US_data, formula = logod~PD_1+gdp+interest_rate_1+exchange_rate_4+
unemployment_rate+ted_spread+fiscal1 | PD_1 + gdp +
UK_interest_rate + UK_unemployment_rate + UK_exchange_rate +
UK_spread + ted_spread + fiscal1)
因为由于结果我怀疑在原始 OLS 中,汇率和失业率都是内生的,因此我从不同的数据集中获取工具。
然后我尝试通过以下方式估计 gmm:
gmm(logod~logod_1+gdp+interest_rate_1+exchange_rate_4+
unemployment_rate+ted_spread+fiscal1, x= ~ logod_1 +gdp +
UK_interest_rate + UK_unemployment_rate + UK_exchange_rate +
UK_spread + ted_spread + fiscal1, data = US_data,vcov = "HAC")
但是我得到了我上面提到的错误。也许我错误地指定了函数,但我不知道问题是什么。当我将像 lag(logod,1) 这样的因变量的滞后插入方程时,它可以工作,但这不是我想要的。
请问有人知道吗?
谢谢
马杰
解决方案
推荐阅读
- python - pip 正在为 python2.7 安装,但不是为 python3.7
- xaml - 更改 barcolor Flyout xamarin xaml
- python - 在一般反向传播中更新权重
- javascript - 如何为角度生产构建解决 JavaScript 堆内存不足问题?
- android - 即使设置了变量,也无法找到“ANDROID_HOME”环境变量 Cordova
- azure - Azure API Manager 增加了函数缩放时的响应时间
- javascript - 在父类传递的事件处理程序中有条件地更新子组件的状态
- performance - Rails 终端命令在 12 秒后运行,为什么?
- javascript - 单击后,我的按钮有问题,停机时间
- c# - 从 C# WinForms 错误消息中提取特定信息