Question

我正在考虑两个时间序列（未偿还贷款和中央银行储备）的VECM。我的数据集包含106个月度数据观察结果。

为了确定适当的滞后长度，我考虑使用vars包中的VARselect（）函数。期权lag.max的自然选择是12，代表一年。

但是，我注意到结果很大程度上取决于max.lag选项的值。以下是三个例子：

> VARselect(data, type = "trend", lag.max = 12)
$selection
AIC(n)  HQ(n)  SC(n) FPE(n) 
     7      6      1      7 

> VARselect(data, type = "trend", lag.max = 10)
$selection
AIC(n)  HQ(n)  SC(n) FPE(n) 
     9      7      1      9

> VARselect(data, type = "trend", lag.max = 6)
$selection
AIC(n)  HQ(n)  SC(n) FPE(n) 
     6      1      1      6

据我了解这个功能，这是因为样本大小根据lag.max而变化，因为VAR（p）都是基于相同的样本大小估计的。

我测试的另一种方法是估算每个滞后的VAR（p），然后计算响应的AIC和BIC。然而，这将意味着我将模型与不同的样本大小进行比较。

我的问题是：

是否有客观的方法来确定所考虑的最大滞后数？
这些强烈不同的结果是否表明我的数据存在问题？

Answer 1

通常对于ARIMA等时间序列，您可以考虑查看ACF和PACF图：PACF可以帮助您识别滞后期。这里有很好的例子和讨论 - 如果它们可以应用于VECM。 https://stats.stackexchange.com/questions/134487/analyse-acf-and-pacf-plots

Answer 2

是的，VARselect 取决于 lag.max。 lag.max 越高，n 越高。为构建回归量而牺牲了最初的观察结果。

函数描述说：“该函数返回信息标准和最终预测误差，用于将滞后顺序顺序增加到 VAR(p) 过程。它们基于相同的样本大小。”

例如：

data_bis = data[-c(1,2),]
VARselect(data_bis, type = "trend", lag.max = 10)
$selection

返回与

相同的结果

VARselect(data, type = "trend", lag.max = 12)
$selection

VARselect（）依赖于lag.max

2 个答案: