具有 R 的 VAR 模型，平稳性答案

【问题标题】：VAR model with R, stationarity具有 R 的 VAR 模型，平稳性
【发布时间】：2013-09-20 16:58:32
【问题描述】：

所以在 R 中使用带有包 'vars' 的模型 var，以这种方式：

model_var <- VAR(my_data, lag.max=10)
roots(model_var)
pred <- predict(model_var, n.ahead=15)

如果 my_data 是固定的，则没有问题。但是，如果 my_data 不是固定的，我会区分 my_data 中的所有时间序列，是否正确？现在，我使用差分数据，并使用这些数据进行预测。对于返回原始数据进行预测，应该如何使用操作符diffinv()？

谢谢！

卢卡

【问题讨论】：

【解决方案1】：

您的数据应具有“ts”类。如果你的数据是一个叫做数据的矩阵

类（数据）

[1] "mts" "ts"

ddata

现在您可以使用

将数据返回到级别

diffinv(ddata, xi=t(data[1,]))

所以你的预测值出现差异，然后你返回它们，例如

diffinv(pred$fcst$VARIABLENAME[1,], xi=t(data[nrow(data),"VARIABLENAME"])

使用对数据的最后一次观察作为初始值，您可以将预测返回到水平。其中 nrow(data) 是最后一行，“VARIABLENAME”是您感兴趣的变量的列。有意义吗？

【讨论】：

【解决方案2】：

@user21240。因为我没有足够的分数来评论你的答案。我把它写在这里作为一个帖子。

从技术上讲，您所说的是正确的。即diff() 和diffinv() 在任何系列中都像这样工作。但这是将预测恢复到水平的正确方法吗，尤其是在 VAR 的情况下。

用符号表示法进行一些澄清可能会很有帮助，因为即使我也遇到了同样的问题。

【讨论】：