面板数据R中多重共线性的检验 [英] Test for Multicollinearity in Panel Data R

问题描述

我正在使用R中的plm包运行拼板数据回归，希望控制解释变量之间的多重共线性。
我知道vif()-包中有vif()函数，但据我所知，它不能处理拼板数据输出。
plm可以执行其他诊断，如单位根测试，但我找不到计算多重共线性的方法。

有没有办法计算与vif类似的测试，或者我可以只将每个变量视为一个时间序列，省略面板信息而使用car包运行测试？

我不能透露数据，但该问题应该与所有面板数据模型相关。
维度大约是1000个观察值，超过50个时间段。
我使用的代码如下所示：

pdata <- plm.data(RegData, index=c("id","time"))
fixed <- plm(Y~X, data=pdata, model="within")

然后

vif(fixed) 

返回错误。

提前感谢您。

推荐答案

这个问题已经参考SAS[3-0]和STATAhttp://www.stata.com/statalist/archive/2005-08/msg00018.html等其他统计软件包提出过，通常的答案是使用汇集模型得到VIF.其逻辑是，由于多重共线性只与自变量有关，因此不需要使用面板方法来控制单个效应。

以下是从另一个站点摘录的一些代码：

mydata=read.csv("US Panel Data.csv")
attach(mydata)  # not sure is that's really needed
Y=cbind(Return) # not sure what that is doing
pdata=plm.data(mydata, index=c("id","t"))
model=plm(Y ~ 1+ESG+Beta+Market.Cap+PTBV+Momentum+Dummy1+Dummy2+Dummy3+Dummy4+Dummy5+
                   Dummy6+Dummy7+Dummy8+Dummy9,
           data=pdata,model="pooling")
vif(model)

这篇关于面板数据R中多重共线性的检验的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！