VARselect（）結果的解釋

我看過這篇文章（Selecting an appropriate lag for a regression equation and how to interpret the results of VARselect），其中涵蓋了我的問題的類似基礎知識，但仍不清楚如何準確解釋結果。VARselect（）結果的解釋

我的數據集（VARTotal_df）包含14個經濟和金融變量，包含121個觀測點。每個）我的VARselect（）結果是特別的：

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

顯然，8的滯後是最合適的。然而，我想知道這是否可以用作滯後7包含NaN和滯後8到10 -Inf的。

澄清從一個更有知識的人將不勝感激！

來源

2017-06-19 Daniel

我知道這個答案可能來的有點晚，但在情況下，它仍然可以幫助你或其他人那裏，這裏就是爲什麼你的滯後8和更大了-Inf：

讓大號等於號的滯後和D等於VAR的內生變量的數量，並且N等於數據集中觀察值的數量。那麼你的VAR將有DL解釋性變量和N - L觀察次數。如果DL> N - L，您的一些變量係數不能通過OLS估計。

所以，在你的情況，d = 14和Ñ = 121如果大號大於或等於8，DL>ÑL -因爲DL = 112和Ñ - L = 107當L = 8.基本上，您沒有足夠的觀察數據集來計算滯後8或更大的標準。

來源

2017-09-02 14:42:17 duckmayr

你的邏輯在我的使用案例中並不成立。我有和操作相同的問題。我的參數如下：L = 2，D = 2，n = 115。你能引用你的參考嗎？謝謝。 – Starbucks

@Starbucks計算是我自己的。請注意，它們不包含任何外生變量。如果你包含* p *外生變量，那麼你有* DL * + * p *解釋變量。你是否在使用'VARselect（）'併爲'AIC'，'HQ'和'SC'獲取'-Inf'以獲得一些滯後？如果是這樣，你可能得到這個結果的原因與OP完全不同。我會建議發佈一個新問題。 – duckmayr

VARselect（）結果的解釋

回答

相關問題