Suponha que eu esteja considerando várias variáveis independentes para possível inclusão em um modelo ARIMAX que estou desenvolvendo. Antes de ajustar variáveis diferentes, eu gostaria de filtrar variáveis que exibem causalidade reversa usando um teste de Granger (estou usando a granger.test
função do MSBVAR
pacote em R, embora eu acredite que outras implementações funcionem da mesma forma). Como determino quantos atrasos devem ser testados?
A função R é:, granger.test(y, p)
onde y
é um quadro de dados ou matriz e p
são os atrasos.
A hipótese nula é de que os últimos valores de não ajuda na previsão do valor de .
Existe alguma razão para não selecionar um atraso muito alto aqui (além da perda de observações)?
Observe que eu já diferenciei todas as séries temporais no meu quadro de dados, com base na ordem de integração das minhas séries temporais dependentes. (Por exemplo, diferenciar minha série temporal dependente uma vez a tornou estacionária. Portanto, eu também diferenciei todas as séries temporais "independentes" uma vez.)