python做var模型的滞后阶数怎么确定_请问关于VAR模型的滞后阶数怎么确定?

VAR模型的滞后阶数越大，自由度就越小。一般根据AIC和SC取值最小准则来确定阶数。

如果AIC和SC并不是同时取值最小，采用LR检验进行取舍。

时序数据样本容量小，AIC和SC准则可能需要谨慎，需要根据经验验证。从经验看，这时一般比较滞后123阶基本可以得到较好结果。还可以通过eviews6.0软件确定最大滞后阶数，在var估计结果窗口中点击view/lag/structure/lag/length/criteria输入最大滞后阶数，以*号最多的阶数确定滞后阶数。

似然比检验LR是反映真实性的一种指标，属于同时反映灵敏度和特异度的复合指标。似然比定义为有约束条件下的似然函数最大值与无约束条件下似然函数最大值之比。

扩展资料：

似然比检验其基本思想：设由n个观察值X1，X2，…，Xn组成的随机样本来自密度函数为f(X；θ)的总体，其中θ为未知参数。要检验的无效假设是H0：θ=θ0，备择假设是H1：θ≠θ0；检验水准为α。为此，求似然函数(见，极大似然法)在θ=θ0处的值与在θ=θ(极大点)处的值(即极大值)之比，记作λ。

可以得出：

1、两似然函数值之比值λ只是样本观察值的函数，不包含任何未知参数。

2、0≤λ≤1，因为似然函数值不会为负，且λ的分母为似然函数的极大值，不会小于分子。

3、越接近θ0时，λ越大；反之，与θ0相差愈大，λ愈小。因此，若能由给定的α求得显著性界值λ0，则可按以下规则进行统计推断：

当λ≤λ0，拒绝H0，接受H1；当λ>λ0，不拒绝H0。这里 P(λ≤λ0)=α。