r语言adf检验结果怎么看_从AR模型到VAR模型——R语言实现

一、自回归模型(AR模型)

1.1 概念

自回归模型(英语：Autoregressive model，简称 AR模型)，是统计上一种处理时间序列的方法，用同一变量例如 的之前各期，亦即至 来预测本期 的表现，并假设它们为线性关系。因为这是从回归分析中的线性回归发展而来，只是不用 预测 ，而是用 预测 (自己)；所以叫做自回归。自回归模型被广泛运用在经济学、资讯学、自然现象的预测上

1.2 定义

AR(p)模型的数学描述如下： 其中： 是常数项， 是 与 的相关系数。 是误差项，满足： 用文字可以总结为： 的当期值等于一个或数个前期值的线性组合，加常数项，加随机误差。

二、向量自回归模型(VAR模型)

2.1 概念

向量自回归模型(英语：Vector Autoregression model，简称 VAR模型)是一种常用的计量经济模型。它扩充了只能使用一个变量的 自回归模型(简称： AR模型)，使容纳大于1个变量，因此经常用在多变量时间序列模型的分析上。

2.2 定义

VAR(p)模型的数学描述如下： 其中： 是 常数向量， 是n × n矩阵。 是 误差向量，满足：

2.3 VAR模型的步骤

1、选择合适的变量；2、检验序列平稳性，看序列是否平稳，或者同阶单整；3、多元混成检验；4、模型定阶，根据AIC、BIC等准则，选择VAR模型的滞后阶数；5、模型诊断；6、协整检验，看变量间是否存在协整关系；7、格兰杰因果检验；8、脉冲响应，看变量对外界冲击的反馈；9、方差分解；10、结果预测。

三、VAR模型的R语言实现

下面以一个四元的时间序列数据为例，构建VAR模型并进行分析和预测。

3.1 变量选择

根据实际问题或理论，得到感兴趣的变量数据。

3.2 检验序列的平稳性

</