Как оценить оптимальную модель, исходя из критерия причинности Грейнджера?

Question

Предположим, я провожу G C -test:

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

Я могу выбрать отставание переменной "feature", которая, скорее всего, Грейнджер вызывает "цель" переменная

1. Но какое количество лагов у "целевой" переменной в этой модели?
2. Далее, как мне оценить эту модель ADL (некоторые авторегрессионные лаги + некоторые лаги независимой переменной)? Я где-то видел, что ADL должен быть заменен на OLS / FGLS в Python, поскольку для ADL нет пакета. И все же я не понимаю, как это сделать

Answer 1

1. Я обнаружил, что модель, соответствующая каждому конкретному числу лагов в G C -тесте, уже соответствует и содержится в результатах теста. Вывод выглядит грязно, но он есть.
2. К сожалению, пока нет возможности оценить модели ADL в Python: (