Question

我读过这篇文章（Selecting an appropriate lag for a regression equation and how to interpret the results of VARselect），已经涵盖了我的问题的类似基础知识，但仍然不确定如何准确地解释结果。

我的数据集（VARTotal_df）包含14个经济和金融变量，包含121个障碍物。每个）我的VARselect（）结果特别是：

VARselect(VARTotal_df,lag.max=10,type="none") # AIC, HQ, SC and FPEsuggest lag of 8
$selection
AIC(n)  HQ(n)  SC(n) FPE(n) 
     8      8      8      7 

$criteria
                  1            2            3            4            5            6            7    8    9   10
AIC(n) 6.380974e+01 6.430259e+01 6.484109e+01 6.410062e+01 6.204580e+01 5.739413e+01          NaN -Inf -Inf -Inf
HQ(n)  6.575063e+01 6.818436e+01 7.066375e+01 7.186418e+01 7.175024e+01 6.903945e+01          NaN -Inf -Inf -Inf
SC(n)  6.859414e+01 7.387138e+01 7.919428e+01 8.323821e+01 8.596778e+01 8.610050e+01          NaN -Inf -Inf -Inf
FPE(n) 5.253281e+27 9.861064e+27 2.516204e+28 2.861553e+28 2.023257e+28 5.558990e+27 -51057843500    0    0    0

Warning messages:
1: In log(sigma.det) : NaNs produced
2: In log(sigma.det) : NaNs produced
3: In log(sigma.det) : NaNs produced

显然，滞后8是最合适的。但是，我想知道这是否可以用作滞后7包含NaN和滞后8到10 -Inf的。

非常感谢来自知识渊博的人的澄清！

Answer 1

我知道这个答案可能会有点晚，但如果它仍然可以帮助你或其他人，这就是为什么你得到-Inf滞后8和更高的原因：

让 L 等于滞后数， D 等于VAR的内生变量数， N 等于观察数在您的数据集中。然后你的VAR将有 DL 解释变量和 N - L 观察数。如果 DL＆gt; N - L ，OLS无法估计某些变量的系数。

因此，在您的情况下， D = 14且 N = 121.如果 L 大于或等于8， DL＆gt; N - L ，因为 DL = 112而 N - L = 107当 L = 8时。基本上，你没有足够的在数据集中观察以计算滞后8或更大的标准。

解释VARselect（）结果

1 个答案: