ARIMAX外生变量反向因果关系

Question

我尝试采用ARIMAX模型来研究遏制措施(使用政府反应严格指数，数字从0到100)是否对每日新病例率产生重大影响。我也想增加测试率。我用R编写了所有的程序(每个ts都是固定的，.)做了格兰杰因果检验。结果：Pr(>F)大于0.0 5。因此，不存在格兰杰因果关系的零假设可以被拒绝，新病例率和遏制措施具有反向因果关系。是否有可能转换变量“字符串索引”并继续使用ARIMAX模型？如果是的话，如何在R中做到这一点？

Answer 1

在R中，你有“预测”软件包来建立ARIMA模型。回想一下，真正的ARIMAX模型和带有ARIMA误差的线性回归是有区别的。请查看Rob (预测包作者)的这篇文章，以获得更详细的信息：ARIMAX模型混乱

下面是Rob用ARIMA误差拟合线性回归的例子-- 在这里查看更多信息

library(forecast)
library(fpp2) # To get a data set to work on
# Fit a linear regression with AR errors
fit <- Arima(uschange[,"Consumption"], xreg = uschange[,"Income"], order = c(1,0,0))
# Forecast and plot predictions
fcast <- forecast(fit, xreg=rep(mean(uschange[,2]),8))
autoplot(fcast) + xlab("Year") +
  ylab("Percentage change")

# Use auto.arima function to find the optimal parameters
fit <- auto.arima(uschange[,"Consumption"], xreg = uschange[,"Income"])
# Plot predictions
fcast <- forecast(fit, xreg=rep(mean(uschange[,2]),8))
autoplot(fcast) + xlab("Year") +
  ylab("Percentage change")

关于你关于如何解决反向因果关系的问题，很明显，你有内生性偏见。反应严格性指数影响每日新病例率，反之亦然。如果这是一个预测问题，而不是一个估计问题，那么只要我得到好的预测，我就不会太在意这个问题。对于估计/因果关系的问题，我将尝试得到不同的外生变量或尝试使用仪器/控制变量。