r：waldtest：&quot；solve.default(vc[ovar，ovar])：&#39；a&#39；is 0-diml&quot；

问题描述

如果我的问题已经有了答案，我很抱歉问了我的问题。到目前为止，我找不到一个。

我目前正在对债券的财务数据做回归。我回归的目的是确定两个债券投资组合的收益率是否有显着差异。我控制4个变量(V1到V4)以控制其他风险来源。

回归公式如下：

("高投资组合"一次回归，"低投资组合"一次回归)

𝑌ield(p)=∝(p)+ 𝛽1(p)*V1+𝛽2(p)*V2+𝛽3(p)*V3(p)+𝛽4(p)*V4(p)

这将在R中生成以下代码：

   Regression_High <- lm(T_Portfolio ~ T_Slope +T_Credit+T_Ratingscore+ T_Duration)


 (construct variables for Low-Portfolio)


   Regression_Low <- lm(T_Portfolio ~ T_Slope +T_Credit+T_Ratingscore+ T_Duration)

现在的想法是比较这两个截距，以确定这两个投资组合是否显示不同的收益率。

出于这个原因，我想使用Wald检验来确定截取的联合重要性：检验统计量是渐近x²分布的有2个自由度。

library(aod)
library(lmtest)
Vcov=vcov(Regression_High,Regression_Low)

1. waldtest(Regression_High, Regression_Low, vcov=Vcov,test="Chisq",name=NULL)

2. waldtest(Regression_High, Regression_Low, test="Chisq")

我的两次尝试都产生以下错误消息：

Error in solve.default(vc[ovar, ovar]) : 'a' is 0-diml

有谁知道如何正确进行Waldtest，或者我的错误在哪里？

如有任何意见或建议，我们将不胜感激。

向您致以亲切的问候

Simon

可复制示例：

#loading packages
library(plm)
library(aod)
library(lmtest)

#Data "High-Portfolio"
y=rnorm(10)
v1=rnorm(10)
v2=rnorm(10)
v3=rnorm(10)
v4=rnorm(10)

#Regression 1

lm1<-lm(y~v1+v2+v3+v4)

#Data "Low-Portfolio"
y=rnorm(10)
v1=rnorm(10)
v2=rnorm(10)
v3=rnorm(10)
v4=rnorm(10)

#Regression 2

lm2<-lm(y~v1+v2+v3+v4)

#Waldtest
library(aod)
library(lmtest)
Vcov=vcov(lm1,lm2)

#Attempt 1
waldtest(lm1,lm2, vcov=Vcov,test="Chisq",name=NULL)

#Attempt 2
waldtest(lm1, lm2, test="Chisq")

推荐答案

据我所知，waldtest在同一对象上采用两个不同的模型(而不是两个不同对象上的两个模型)。您需要在两个模型中使用不同的变量才能使其运行。在solve(vc[ovar, ovar])处抛出错误，并告诉您vc[ovar, ovar]没有任何维度。这就是ovar的来源

ovar <- which(!(names(coef0(fm1)) %in% names(coef0(fm0))))

fm1和fm0是您的两个模型，它们具有相同的变量。

这篇关于r：waldtest：&quot；solve.default(vc[ovar，ovar])：&#39；a&#39；is 0-diml&quot；的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！