在論文的寫作中，向量自回歸（VAR）模型是經常用的一個模型，同時它也是多維時間序列模型的最核心內容之一。

首先要清楚，VAR模型主要是考察多個變量之間的動態互動關系，從而解釋各種經濟沖擊對經濟變量形成的動態影響。這種動態關系可通過格蘭杰因果關系、脈沖響應以及方差分解來進一步明確和可視化。

在運用向量自回歸VAR模型時，應該注意以下幾個問題：

問題一：是不是要求變量都是平穩的時間序列？

答：首先這個問題沒有一個標準的答案，一些國外的學者提出非平穩的序列仍然可以應用到VAR模型中，并且認為如果對一些本來是一階單整的經濟變量先進行一次差分，在利用VAR模型來分析彼此間的互動關系，這樣很可能就會隱藏了許多非常有價值的原始變量之間的長期關系。

根據張成思《金融計量學》中的觀點，如果采用非平穩序列構建VAR模型做回歸分析，卻會帶來統計推斷方面的麻煩，因為標準的統計檢驗和統計推斷要求分析的所有序列必須都是平穩序列。

所以，一般情況下，如果要分析不同變量間可能存在的長期均衡關系，則直接采用非平穩序列，這也就演變為Johansen協整檢驗的內容。如果要分析各變量之間短期動態關系，則使用平穩序列。高鐵梅在《計量經濟分析方法與建模》一書中明確指出傳統的VAR模型要求每一個變量都應該是平穩的。

問題二：VAR模型中滯后階數的影響以及如何來選擇？

滯后階數的確定是VAR模型構建過程中一個非常重要的問題，如果滯后階數非常大，雖然有利于完整反映所構造模型的動態特征，但同時所需要顧及的參數也就越多，模型的自由度就減少，從而影響模型參數估計的有效性。

一般根據赤池信息準則（AIC）、施瓦茨準則（SC）和漢南-奎因（HQ）準則來進行綜合判斷，要求上述準則的值越小越好。

問題三：格蘭杰因果關系檢驗中應注意什么？

格蘭杰因果關系解決了x是否引起y的問題，主要看現在的y能夠在多大程度上被過去的x解釋，如果加入x的滯后項能夠使解釋程度提高，則可以說y是由x Granger引起的，實質是某個變量是否可以用來提高對其他相關變量的預測能力，是預測關系，而不是真正意義上的因果關系。

同時還要知曉，格蘭杰因果關系檢驗中不論哪個軟件，檢驗結果都受滯后長度P的影響，建議盡量從高階開始，而且對采用哪種方法處理非平穩性序列也及其敏感，目前并沒有一個統一的標準的用法。

問題四：是否需要將VAR模型的各個等式中的系數表格放入論文中？

很多情況下，VAR模型中的各個等式的系數并不是研究者關注的對象，因為系數非常多，比如一個3個變量的VAR(3)模型就有30個系數，而且每個系數只是反映了一個局部的動態關系，并不能捕捉變量間整體的動態影響過程，單個的系數分析意義不大，建議不寫。

問題五：脈沖響應圖應如何看？

脈沖響應圖并不復雜，response of b to a就是b在受到a的一個標準差的新息沖擊的時候，所做出的響應。一個正確的脈沖響應圖應該都是最后趨于0的，因為沖擊最后會趨于消失，如果是發散狀的，說明是錯誤的，至于給a一個正向沖擊后，b的反映是同向還是反向需要結合圖形在0軸的上方和下方來看，但是響應的方向如何其實是次要的，重要的是響應的劇烈程度和響應消失，系統達到又一個均衡狀態的時間長度，這是有很強烈的經濟意義的，如果響應時間很長，則是需要政策制定者有很強的預判能力的，假如當一個新政策落地比如降息，經濟系統對它的反映是比較滯后的，政策制定者短時間內是看不出來實施效果的，如果預判失誤，就會導致政簽的調控不足或者矯枉過正，這就是脈沖響應分析的落腳點。單純看正負向響應，意義不是很大。

問題六：脈沖響應和方差分解的區別在哪里？

兩者說明的問題不同，脈沖響應告訴我們的是當x在受到隨機擾動項的一個單位的正向沖擊時，（因為x和y是有關系的），y的反映路徑。方差分解高速我們的是x變量的波動也就是他的方差有多少歸因于它自身的沖擊因素，還有多少是由系統中其他擾動因素造成的。

https://mp.weixin.qq.com/s?__biz=MzUxNTU2MzQzNA==&mid=2247484441&idx=1&sn=3acf95eadd3a5c09b9675d988a20d626&chksm=f9b58edccec207ca8c307c99e92ae0a1dbcc44b1294bbbdec405dd64558c555f5fc50e9cd280&token=2040215393&lang=zh_CN#rd

總結

以上是生活随笔為你收集整理的决策树模型回归可视化分析_【时间序列分析】在论文中用向量自回归（VAR）模型时应注意哪些问题？...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。