当前位置：新励学网 > 秒知问答 > VAR方法的VaR模型的优点

VAR方法的VaR模型的优点

发表时间：2024-08-01 21:51:31 来源：网友投稿

VAR，也即Vector autoregression model，中文名字叫做向量自回归模型。

简单来说就是用模型刻画向量之间的数量关系。这就引出了VAR的适用前提：

①能进行回归，自然要求数据平稳，否则会发生伪回归；

②回归在向量之间发生，向量之间自然需要存在一定的关系（统计意义上的因果关系），那么就要求通过格兰杰因果检验。而格兰杰因果检验的前提要求数据平稳，所以要先进行平稳性检验。所以仅仅从VAR的定义来看，就可以确定的是，要先进行平稳性检验，数据平稳（不平稳进行差分）再进行格兰杰因果检验。当然格兰杰因果检验同时要求判断滞后阶数，滞后阶数的判断就比较见仁见智了，有些做法甚至直接做出初始的VAR进行判断（如果事先认为因果检验是成立的，这样做也未尝不可）。那么做出来的VAR模型是不是就好了呢？也不全是。因为在时间序列模型中，存在协整这样一个调整长期均衡关系的概念，转换到VAR中来，如果数据本身不平稳，但却又是同阶单整，那么通过建立误差修正模型（ECM），就可以使得模型包含长期均衡的信息，从而完善模型。只不过ECM在VAR中改名换姓，改叫向量误差修正模型（VEC）了。模型的构造已经基本完成，简单总结一下就是：首先进行平稳性检验。如果平稳则进行格兰杰因果检验；如果不平稳，差分后平稳，则对差分数据进行格兰杰因果检验，同时为了完善模型，如果数据是同阶单整的，则进行协整检验（此时协整和格兰杰互不影响，所以可以互换顺序）。在模型构建完成之后，如何评判模型的优劣呢？用AR根对VAR模型的平稳性进行判断，这也就是模型的最后一步。

免责声明：本站发布的教育资讯（图片、视频和文字）以本站原创、转载和分享为主，文章观点不代表本网站立场。

如果本文侵犯了您的权益，请联系底部站长邮箱进行举报反馈，一经查实，我们将在第一时间处理，感谢您对本站的关注！