Я начал использовать R studio несколько дней назад, и я немного борюсь, чтобы вычислить VIF. Вот так:Выполнение теста VIF в R
У меня есть данные панели и работает с фиксированным эффектом и регрессиями случайного эффекта. У меня есть одна зависимая переменная (New_biz_density) и 2 независимые переменные (Cost_to_start, Capital_requirements). Я бы хотел проверить, обладают ли мои две независимые переменные мультиколлинеарностью, вычисляя свой коэффициент вариации, как для моделей с фиксированным, так и случайным эффектом.
Я уже установил некоторые пакеты для выполнения BIF (Faraway, Car), но не смог это сделать. Кто-нибудь знает, как это сделать?
спасибо!
Вот мой сценарий:
# install.packages("plm")
library(plm)
mydata<- read.csv("/Users/juliantabone/Downloads/DATAweakoutliers.csv")
Y <- cbind(new_biz_density)
X <- cbind(capital_requirements, cost_to_start)
# Set data as panel data
pdata <- plm.data(mydata, index=c("country_code","year"))
# Descriptive statistics
summary(Y)
summary(X)
# Pooled OLS estimator
pooling <- plm(Y ~ X, data=pdata, model= "pooling")
summary(pooling)
# Between estimator
between <- plm(Y ~ X, data=pdata, model= "between")
summary(between)
# First differences estimator
firstdiff <- plm(Y ~ X, data=pdata, model= "fd")
summary(firstdiff)
# Fixed effects or within estimator
fixed <- plm(Y ~ X, data=pdata, model= "within")
summary(fixed)
# Random effects estimator
random <- plm(Y ~ X, data=pdata, model= "random")
summary(random)
# LM test for random effects versus OLS
plmtest(pooling)
# LM test for fixed effects versus OLS
pFtest(fixed, pooling)
# Hausman test for fixed versus random effects model
phtest(random, fixed)