ベクトル自己回帰

VAR は、多変量時間システムの各系列を内生的なものとして扱います。 VAR(p) では、すべての変数は、それ自体の p ラグ値と、含まれる他のすべての変数の p ラグに加えて、指定された場合は決定論的項または外生入力に基づいて回帰されます。この対称的な設定により、1 つの系列を唯一の応答として指定し、残りを固定予測子として指定するのではなく、データから交互作用が出現します。適合したシステムは共同予測を生成できます。 VAR(2) の需要、価格、在庫の仮想システムの場合、需要方程式は 3 つの変数すべての 2 つの遅れた観測値を使用します。価格方程式と在庫方程式も同様です。この柔軟性にはパラメータがかかります。K 個の変数と p ラグがある場合、各方程式には Kp ラグ係数と決定論的な項が含まれます。したがって、多くの変数を含む短い時系列は過剰適合する可能性があるため、情報基準、残差チェック、および時間順の予測検証を使用してラグ順序を選択する必要があります。 VAR 分析では、ダイナミクスが適切に表現されていることを前提としています。標準の安定した VAR は、固定シリーズに通常使用されます。変数に単位根があっても長期的な平衡を共有する場合、ベクトル誤差修正モデルは短期的な変化と共積分の両方を保存する可能性があります。すべての系列を差分することで、長期的な関係を解消できます。モデル形式を選択する前に、定常性、共積分、および決定論的な傾向を確認してください。グレンジャー因果関係は、1 つの変数の遅れた値が、システムの他の条件を条件として別の変数の予測情報を追加するかどうかをテストします。これはモデルに基づいた時間的予測可能性に関する記述であり、介入に基づく因果関係の特定ではありません。交絡因子の省略、構造上の欠陥、測定のタイミングが結論に影響を与える可能性があります。 VAR はインパルス応答分析や予測誤差分散分解にも使用できますが、それらの解釈は識別の仮定に依存します。結果を報告する際には、モデルの次数、変数、変換、および不確実性について説明します。方程式だけでは因果関係は明らかになりません。