毕业论文向量自回归var

VAR模型描述在同一样本期间内的n个变量（内生变量）可以作为它们过去值的线性函数。一个VAR(p)模型可以写成为：其中：c是n × 1常数向量，Ai是n × n矩阵。et是n × 1误差向量，满足：—误差项的均值为0—误差项的协方差矩阵为Ω（一个n × 'n正定矩阵）（对于所有不为0的k都满足）—误差项不存在自相关1.例子一个有两个变量的VAR(1)模型可以表示为：或者也可以写为以下的方程组：y1,t=c1+A1,1y1,t-1+A1,2y2,t-1+e1,ty2,t=c2+A2,1y1,t-1+A2,2y2,t-1+e2,t·2.转换VAR(p)为VAR(1)VAR(p)模型常常可以被改写为VAR(1)模型。比如VAR(2)模型：yt = c + A1yt − 1 + A2yt − 2 + et可以转换成一个VAR(1)模型：其中I是单位矩阵。

不显著就换个模型做啊

向量自回归模型（Vector autoregression,VAR)：是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标与预测最容易操作的模型之一，并且在一定的条件下，多元MA和ARMA模型也可转化成VAR模型，因此近年来VAR模型受到越来越多的经济工作者的重视。Y(t)=A(1)Y(t-1)+…A(n)Y(t-n)+BX(t)+e(t)Y(t)是一个内生变量列向量，X(t)是外生变量向量，A(1),……,A(n),和B是等估的系数矩阵，e(t)是误差向量。误差向量内的误差变量之间允许相关，但是这些误差变量不存在自相关，与Y(t)，Y(t-1)，……，Y(t-n)和X(t)也不相关。在VAR内，每个方程的最佳估计为普通最小二乘估计。[1]