R 中具有 Newey-West 标准误差的组时间序列回归

Question

首先，如果这个问题已经得到解答，我深表歉意。这是我在 stackoverflow 上的第一篇文章。

我有一个股票市场数据面板，其结构如本工作示例所示：

d <- data.frame(Time = rep(seq.Date( Sys.Date(), length=10, by="day" )),
    Stock = rep(LETTERS[1:3], each=10 ),
    x1 = rep(sample(10:30, 10), 3),
    x2 = rep(sample(10:30, 10), 3),
    x3 = rep(sample(10:30, 10), 3))

基本上，我想以 x1 作为因变量和回归量 x3 以及 x2 的滞后和领先来估计时间序列回归。我想使用 Newey West 标准误差对样本中的每只股票执行此操作。

在这里看了几篇文章后，我想出了以下几点：

由于我正在使用时间序列并希望使用滞后和超前运算符，我读到我应该使用 zoo 或 xts 格式（我选择了 zoo 格式，因为这是兼容我要使用的dyn$lm函数）：

d.z <- zoo(data.matrix(d[-1]), d$Time)

请注意，我将 Stock 列转换为数字，因为 zoo 包需要所有数字变量。

但是，这会带来一条错误消息：

Warning message:
In zoo(data.matrix(d[-1]), d$Time):some methods for “zoo” objects do not work 
if the index entries in ‘order.by’ are not unique.

我认为这没有问题，因为最终我想分别估计每只股票的回归，这将解决问题。

对于这个对象，我想估计每只股票在 myLm 中的回归。

myLm <- function(formula,df) {
temp.lm <- dyn$lm(formula,data=df)
temp.summ <- summary(temp.lm)
temp.summ$coefficients <- unclass(coeftest(temp.lm, vcov. = NeweyWest))
lmOut<-data.frame(t(temp.summ$coefficients))
return(lmOut)}

使用plyr 包我尝试按库存拆分功能：

outDf <- ddply(d.z, "Stock", function(df)  myLm(x1 ~ lag(x2, -1) + lag(x2, +1) + x3, df))

不幸的是，这又引发了另一个错误：

Error in eval.quoted(.variables, data) : 
envir must be either NULL, a list, or an environment.

我在这里做错了什么？

Answer 1

请在不使用基本功能时将您的库调用包含在问题中。

在问题myLm 计算summary 但随后将其丢弃，因此我们省略了该部分。

为了执行计算，拆分数据帧，然后将拆分的每个组件分别转换为动物园。我们在这里使用了 data.table 包，但您也可以使用 plyr、dplyr 或 by：

library(data.table)
library(dyn) # this pulls in zoo
library(lmtest)
library(sandwich)

# test data as in question but use set.seed for reproducibility
set.seed(123)
d <- data.frame(Time = rep(seq.Date( Sys.Date(), length=10, by="day" )),
    Stock = rep(LETTERS[1:3], each=10 ),
    x1 = rep(sample(10:30, 10), 3),
    x2 = rep(sample(10:30, 10), 3),
    x3 = rep(sample(10:30, 10), 3))

mycoeftest <- function(fo, data) {
   fm <- dyn$lm(fo, read.zoo(data))
   unlist(as.data.frame(unclass(coeftest(fm, vcov. = NeweyWest))))
}

fo <- x1 ~ lag(x2, c(-1, 1)) + x3
data.table(d)[, as.list(mycoeftest(fo, .SD)), by = d$Stock]