面板数据R中多重共线性的检验

Question

我正在使用R中的plm包运行面板数据回归，并希望控制解释变量之间的多重共线性。

我知道car-package中有vif()函数，但据我所知，它不能处理拼板数据输出。

plm可以做其他诊断，比如单位根测试，但是我没有找到计算多重共线性的方法。

有没有一种方法可以计算类似于vif的测试，或者我可以只将每个变量视为时间序列，省略面板信息并使用car包运行测试？

我不能透露数据，但这个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。

提前谢谢你。

Answer 1

这个问题已经被参考了其他统计软件包，如SAS和Stata http://www.stata.com/statalist/archive/2005-08/msg00018.html，常见的答案是使用池化模型来获得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果。

下面是摘自另一个站点的一些代码：

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)