for循环：对R中所有可能的组合进行协整检验答案

【问题标题】：for loop: performing cointegration test for all possible combinations in Rfor循环：对R中所有可能的组合进行协整检验
【发布时间】：2018-12-19 13:18:06
【问题描述】：

我试图弄清楚是否可以找到非平稳时间序列的每个组合与 ADF 测试的协整。这可以通过以下函数来完成：

coint <- function(x,y) {
vals <- data.frame(x,y)
beta <- coef(lm(vals[,2] ~ vals[,1] + 0, data = vals))[1]
(tseries::adf.test(vals[,2]- beta*vals[,1], alternative = "stationary", k = 0))$p.value
}

如果我运行函数 coint(df1, df2)，我会得到一个 p 值。但是，我想为每个可能的组合执行此操作（并将其存储在数据框中）。我已经知道我可以使用 combn() 函数进行所有可能的组合。但是，我只是无法让我的 for 循环正确地为每种可能的组合执行此操作。也许这个操作也可以用 purrr 包中的一个函数来完成？

任何建议将不胜感激！我还在下面添加了一个示例数据框。

   # A tibble: 18 x 5
       `1` `2` `3` `4` `5` `

 1    416 850 53  78  66     
 2    407 922 43  82  67    
 3    410 901 37  84  71     
 4    412 945 53  95  77     
 5    409 998 101 83  86     
 6    375 947 53  86  84     
 7    364 908 43  87  71     
 8    377 952 39  95  64     
 9    387 961 18  109 69  
10    352 932 11  102 69     
11    332 920 12  108 69    
12    318 987 22  121 83     
13    320 961 17  124 88     
14    325 931 15  145 64     
15    328 816 6   169 44     
16    315 925 8   156 55     
17    309 737 4   176 49     
18    273 626 4   193 59

【问题讨论】：

标签： r for-loop statistics time-series purrr

【解决方案1】：

不是最好和最有效的循环，但我认为没关系：输入将是一个包含所有要检查的变量的数据框

 coint <- function(vars) {
    d<-as.matrix(vars) #convert data frame to Matrix
    n<-length(colnames(vars)) #calculate the total number of variables
    m<-combn(n,2) #calculate all possible combinations of pairs for all variables
    col_m<-dim(m)[2] #number of all possible combinations
    result<-matrix(NA,nrow=col_m,ncol=3) #empty result matrix
    colnames(result)<-c("Var_1","Var_2","p_Value")
    for (i in 1:col_m){
      Var_1<-m[1,i] 
      Var_2<-m[2,i]
      res <- lm(d[,Var_1] ~ d[,Var_2] + 0)$residuals 
      p<-tseries::adf.test(res, alternative = "stationary", k = 0)$p.value
      result[i,1]<-colnames(vars)[Var_1]
      result[i,2]<-colnames(vars)[Var_2]
      result[i,3]<-p
    }
    return(result)
  }

协整方法是关于 2 个变量的残差需要是平稳的。我立即将它们从估算中剔除，而不是重新计算它们。

【讨论】：