根据格兰杰因果检验，如何估计最优模型？

Question

假设我运行 GC 测试：

grangercausalitytests(np.vstack((df['target'], df['feature'])).T, maxlag=5)

我可以选择“特征”变量的滞后，这很可能是格兰杰导致“目标”变量的原因。

1. 但是这个模型中的“目标”变量有多少滞后？
2. 此外，我如何估计此 ADL 模型（一些自回归滞后 + 自变量的一些滞后）？我在某处看到，ADL 应该用 Python 中的 OLS/FGLS 代替，因为没有用于 ADL 的包。但是我不明白该怎么做

Answer 1

1. 我发现型号，对应每个特定的数字 GC 测试中的滞后时间已经适合并包含在 测试返回。输出看起来很乱，但它就在那里。
2. 不幸的是， 似乎还没有能力在 Python 中估计 ADL 模型 :(