Stata / R中与多个国家的格兰杰因果关系
Granger Causality with multiple countries in Stata / R
我读过几篇声称使用格兰杰因果关系同时比较多个实体（公司、国家等）的论文。他们通常将国家分为东、西、北、南或城市/非城市（例如）。
例如plm 包中“G运行feld” 的 public 数据集具有以下形式：
| 坚定 |年份 |投资 |价值 |首都 |
我有一个类似的数据集，我打算使用格兰杰因果关系对其进行探索。我的时间变量是从1990年到2020年。
country_ID
country_type
year
sum
var_A
var_B ...
1
1
2000
323
32
213
2
1
2000
13
0
7
3
2
2000
12
7
0
4
1
2000
0
0
0
5
2
2000
323
13
56
Stata 没有 return 任何有用的东西 运行 解决这个问题，我想这是因为国家太多了。
是否有可能获取我的数据集的一个子集，比如 country_type = 1 和 运行 对包括的国家/地区的 Granger？或者我是否必须汇总 country_type 中的所有国家/地区才能 运行 Granger？
我研究过的一篇论文是 (p.1310)：
He等人的“中国城市级交通与区域发展的因果关系分析”。 (2019).
你不写你使用的是哪个Stata命令。如果你有面板数据，你可能想使用 Dumitrescu/Hurlin (2012) 的面板格兰杰（非）因果检验，在 Stata 的用户贡献命令 xtgcause 和 R 的 plm 包中实现作为 pgrangertest.
下面是如何在 R 中将 pgrangertest 与 Grunfeld 数据集一起使用的示例。帮助页面包含对文献的引用以及有关如何使用更多选项 (?pgrangertest) 的更多信息：
## not meaningful, just to demonstrate usage
## H0: 'value' does not Granger cause 'inv' for all invididuals
library(plm)
data("Grunfeld", package = "plm")
pgrangertest(inv ~ value, data = Grunfeld)
# Panel Granger (Non-)Causality Test (Dumitrescu/Hurlin (2012))
#
# data: inv ~ value
# Ztilde = 3.2896, p-value = 0.001003
# alternative hypothesis: Granger causality for at least one individual
我读过几篇声称使用格兰杰因果关系同时比较多个实体（公司、国家等）的论文。他们通常将国家分为东、西、北、南或城市/非城市（例如）。
例如plm 包中“G运行feld” 的 public 数据集具有以下形式：
| 坚定 |年份 |投资 |价值 |首都 |
我有一个类似的数据集，我打算使用格兰杰因果关系对其进行探索。我的时间变量是从1990年到2020年。
| country_ID | country_type | year | sum | var_A | var_B ... |
|---|---|---|---|---|---|
| 1 | 1 | 2000 | 323 | 32 | 213 |
| 2 | 1 | 2000 | 13 | 0 | 7 |
| 3 | 2 | 2000 | 12 | 7 | 0 |
| 4 | 1 | 2000 | 0 | 0 | 0 |
| 5 | 2 | 2000 | 323 | 13 | 56 |
Stata 没有 return 任何有用的东西 运行 解决这个问题，我想这是因为国家太多了。
是否有可能获取我的数据集的一个子集，比如 country_type = 1 和 运行 对包括的国家/地区的 Granger？或者我是否必须汇总 country_type 中的所有国家/地区才能 运行 Granger？
我研究过的一篇论文是 (p.1310)： He等人的“中国城市级交通与区域发展的因果关系分析”。 (2019).
你不写你使用的是哪个Stata命令。如果你有面板数据，你可能想使用 Dumitrescu/Hurlin (2012) 的面板格兰杰（非）因果检验，在 Stata 的用户贡献命令 xtgcause 和 R 的 plm 包中实现作为 pgrangertest.
下面是如何在 R 中将 pgrangertest 与 Grunfeld 数据集一起使用的示例。帮助页面包含对文献的引用以及有关如何使用更多选项 (?pgrangertest) 的更多信息：
## not meaningful, just to demonstrate usage
## H0: 'value' does not Granger cause 'inv' for all invididuals
library(plm)
data("Grunfeld", package = "plm")
pgrangertest(inv ~ value, data = Grunfeld)
# Panel Granger (Non-)Causality Test (Dumitrescu/Hurlin (2012))
#
# data: inv ~ value
# Ztilde = 3.2896, p-value = 0.001003
# alternative hypothesis: Granger causality for at least one individual