如何应用VAR模型？ 应用VAR模型有哪些技术？
注意：
1.单位根检验是序列的平稳性检验包钢股份股吧。 如果未测试序列的平稳性，则直接OLS会轻易导致虚假回归。
2.当测试数据稳定时（即没有单位根），如果要进一步研究变量的因果关系，可以使用Granger因果关系检验，但前提是Granger 测试数据必须稳定，否则无法完成。
3.当测试数据不稳定时（即有一个单位根），并且每个序列都是同一阶的单个积分（协整检验的前提），我想要 为了进一步确定变量之间是否存在协整关系，可以执行协整检验。 协整检验主要包括EG两步法和JJ检验
A，EG两步法是基于回归残差的检验，可以通过建立OLS模型来检验残差的稳定性
4.当变量之间存在协整关系时，可以建立ECM进一步研究短期关系 。 Eviews在此处还提供了Wald-Granger检验，但是此时Granger不再是因果检验，而是可变的外生性检验。 请注意识别。
5. Granger测试只能用于固定系列！ 这是格兰杰检验的前提，其因果关系不是我们通常理解的因果关系，而是先前x的变化可以有效地解释y的变化，因此被称为“格兰杰因果”。
6.非平稳序列可能具有伪回归。 协整的含义是检验由其回归方程描述的因果关系是否为伪回归，即检验变量之间是否存在稳定关系。 因此，非平稳序列的因果关系检验是协整检验。
7.平稳性测试具有三个功能：1）测试平稳性，如果稳定，则进行Granger检验，如果稳定，则进行共阳性检验。 2）在协整测试中使用每个序列的单个积分阶。 3）判断时间序列的数据生成过程。
ADF测试：1个视图---单位根测试，出现一个对话框，默认选项是变量的原始顺序测试的平稳性，确认后，如果ADF测试的P值为 小于0.5，则拒绝原始序列假设序列是平稳的，如果P值大于0.5，则接受无效假设，表明该序列是非平稳的； 2重复刚才的步骤，查看-单位根检验，出现一个对话框，选择第一个差异，即为变量。一阶差异序列的平稳性测试与第一个差异系列的测试标准相同。 步。 如果P值小于0.5，则表示它是一阶平稳的。 如果P值大于0.5，则继续进行二阶差分序列的平稳性测试。
首先进行单位根检验，以查看变量序列是否为平稳序列。 如果它是固定的，则可以构建经典的计量经济学模型，例如回归模型； 如果它不是固定的，则执行差值。 当达到第ith个差时，序列是固定的，然后跟随i阶单个整数（请注意趋势和截距不同，并且基于P值和无效假设进行判断）。 如果所有测试序列都经过相同顺序的单次积分，则可以构建VAR模型，并可以执行协整测试（注意滞后时间的选择）来确定模型变量之间“谁引起谁变化”，即因果关系。
第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。
第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行格兰杰因果检验，这是错误的。
第三，协整结果仅表示变量间存在长期均衡关系，那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以，首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后，进行协整，看变量是否存在长期均衡。
第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。
8.单位根检验是检验数据的平稳性，或是说单整阶数。
9.协整是说两个或多个变量之间具有长期的稳定关系。但变量间协整的必要条件是它们之间是同阶单整，也就是说在进行协整检验之前必须进行单位跟检验。
10.协整说的是变量之间存在长期的稳定关系，这只是从数量上得到的结论，但不能确定谁是因，谁是果。而因果关系检验解决的就是这个问题。
单位根检验是检验时间序列是否平稳，协整是在时间序列平稳性的基础上做长期趋势的分析，而格兰杰检验一般是在建立误差修正模型的后，所建立的短期的因果关系。故顺序自然是先做单位根检验，再过协整检验，最后是格兰杰因果检验。
单位根检验是对时间序列平稳性的检验，只有平稳的时间序列，才能进行计量分析，否则会出现伪回归现象；协整是考察两个或者多个变量之间的长期平稳关系，考察两者的协整检验通常采用恩格尔-格兰杰检验，两者以上则用Johansen检验；格兰杰因果检验是考察变量之间的因果关系，协整说明长期稳定关系不一定是因果关系，所以需要在通过格兰杰因果检验确定两者的因果关系。顺序一般是单位根检验，通过后如果同阶单整，在进行协整，然后在进行因果检验。要特别注意的是：只有同阶单整才能进行协整。
11.VAR建模时lag intervals for endogenous要填滞后期，但是此时你并不能判断哪个滞后时最优的，因此要试，选择不同的滞后期，至AIC或SC最小时，所对应着的滞后为最优滞后，此时做出来的VAR模型才较为可靠。
12.做协整检验前作VAR的原因是，协整检验是对滞后期和检验形式非常敏感的检验，首先需要确定最优滞后。由于VAR是无约束的，而协整是有约束的，因此协整检验的最优滞后一般为VAR的最优滞后减去1，确定了最优滞后后，再去诊断检验形式，最终才能做协整。
13.当确定了协整的个数后，往下看，有个标准化的结果，这个结果就是协整方程，由于在结果中各变量均在方程一侧，因此如果系数为正，则说明是负向关系，反之亦然。
14.协整表示变量间的长期均衡关系，貌似与你的OLS不矛盾。
（1）如检验不协整，说明没长期稳定关第，可以做VAR模型，但是模型建立后要做
稳定性分析：做AR根的图表分析，如所有单位根小于1，说明VAR模型定，满足脉冲分析及方差分解所需条件之一
模型的因果关系检验 2 不过注意在做因果检验前要先确定滞后长度，方法见高铁梅 计量分析方法与建模 第2版 P302 只有满足因果关系，加上满足条件一：稳定性，则可进行脉冲及方差分解
如不满足因果关系，则所有不满足因果关系的变量将视为外生变量 ，至此要重新构建VAR模型，新的VAR模型将要引入外生变量的VAR模型
（2）VAR与VEC关系是：VEC是有协整约束（即有长期稳定关系）的VAR模型，多用于具有协整关系的非平稳时间序列建模 高铁梅 计理分析方法与建模 第2版 P295
15．简单说VAR模型建立时
第一步：不问序列如何均可建立初步的VAR模型（建立过程中数据可能前平稳序列，也可能是部分平稳，还可能是没协整关系的同阶不平稳序列，也可能是不同阶的不平稳序列，滞后阶数任意指定。所有序列一般视为内生向量），
第二步：在建立的初步VAR后进行
1 滞后阶数检验，以确定最终模型的滞后阶数
2 在滞后阶数确定后进行因果关系检验，以确定哪些序列为外生变量
至此重新构建VAR模型（此时滞后阶数已定，内外生变量已定），再进行AR根图表分析，
如单位根均小于1，VAR构建完成可进行脉冲及方差分解
如单位根有大于1的，考虑对原始序进行降阶处理（一阶单整序列处理方法：差分或取对数，二阶单整序列：理论上可以差分与取对数同时进行，但由于序列失去了经济含义，应放弃此处理，可考虑序列的趋势分解，如分解后仍然不能满足要求，可以罢工，不建立任何模型，休息或是打砸了电脑），处理过后对新的序列（包括最初的哪些平稳序列）不断重复第一步与第二步，直至满足稳定性为止
第三步，建立最终的VAR后，可考虑SVAR模型
如果变量不仅存在滞后影响，还存在同期影响关系，则建立VAR模型不太合适，这种情况下需要进行结构分析。
更多应用VAR模型知识请关注炒股大本营
