Python中的多元Breusch-Godfrey-Lagrange乘数测试
据我所知,在软件包中,statsmodel具有许多统计功能,可以测试许多问题,包括Breusch Godfrey Lagrange测试 然而,就我而言,这只适用于单变量情况,而不适用于多变量情况 例如,考虑到我有一个2的数据集,比如数据Python中的多元Breusch-Godfrey-Lagrange乘数测试,python,jupyter-notebook,statsmodels,multivariate-testing,Python,Jupyter Notebook,Statsmodels,Multivariate Testing,据我所知,在软件包中,statsmodel具有许多统计功能,可以测试许多问题,包括Breusch Godfrey Lagrange测试 然而,就我而言,这只适用于单变量情况,而不适用于多变量情况 例如,考虑到我有一个2的数据集,比如数据 from statsmodels.tsa.api import VAR import statsmodels.api as sm,statsmodels as sm1 data= np.random.random((108, 2)) Model=VAR(dat
from statsmodels.tsa.api import VAR
import statsmodels.api as sm,statsmodels as sm1
data= np.random.random((108, 2))
Model=VAR(data)
results = Model.fit(1)
sm.stats.diagnostic.acorr_breusch_godfrey(results)
Output:
in acorr_breusch_godfrey(results, nlags, store)
501 nlags = int(nlags)
502
--> 503 x = np.concatenate((np.zeros(nlags), x))
504
505 #xdiff = np.diff(x)
ValueError: all the input arrays must have same number of dimensions
因此,很明显,这只适用于一维,有人知道如何在多变量环境下测试Breusch Godfrey吗