R语言实现向量自回归VAR模型

澳大利亚在2008 – 2009年全球金融危机期间,政府发布了一揽子刺激计划,其中包括2008年12月的现金支付,恰逢圣诞节支出。

因此,零售商报告销售强劲,经济受到刺激。因此,收入增加了。

VAR面临的批评是他们是理论上的; 也就是说,它们不是建立在一些经济学理论的基础上,这些理论强加了方程式的理论结构。假设每个变量都影响系统中的每个其他变量,这使得估计系数的直接解释变得困难。尽管如此,VAR在几种情况下都很有用:

  1. 预测相关变量的集合,不需要明确的解释;
  2. 测试一个变量是否有助于预测另一个变量(格兰杰因果关系检验的基础);
  3. 脉冲响应分析,其中分析了一个变量对另一个变量的突然但暂时的变化的响应;
  4. 预测误差方差分解,其中每个变量的预测方差的比例归因于其他变量的影响。

示例:用于预测美国消费的VAR模型

R输出显示由vars包中可用的每个信息标准选择的滞后长度。由AIC选择的VAR(5)与BIC选择的VAR(1)之间存在很大差异。这并不罕见。因此,我们首先拟合由BIC选择的VAR(1)。

与单变量ARIMA方法类似,我们使用Portmanteau测试24测试残差是不相关的。VAR(1)和VAR(2)都具有一些残余序列相关性,因此我们拟合VAR(3)。

该模型的残差通过了串联相关的测试。VAR(3)生成的预测如图 所示。

R语言实现向量自回归VAR模型

图 :美国消费和VAR收入的预测


可下载资源

​非常感谢您阅读本文,如需帮助请联系我们!


关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。


随时关注您喜欢的主题

在wechat上关注我们

最新洞察

技术干货

Leave A Reply

电子邮件地址不会被公开。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498
error: Content is protected
%d 博主赞过: