Tôi bối rối về Mô hình sửa lỗi Vector ( VECM ).
Nền tảng kỹ thuật:
VECM cung cấp khả năng áp dụng Mô hình tự động vectơ ( VAR ) cho chuỗi thời gian đa biến tích hợp. Trong sách giáo khoa họ nêu một số vấn đề trong việc áp dụng VAR cho chuỗi thời gian tích hợp, trong đó quan trọng nhất là hồi quy giả (thống kê t rất có ý nghĩa và R ^ 2 cao mặc dù không có mối quan hệ giữa các biến).
Quá trình ước tính VECM bao gồm khoảng ba bước sau đây, một trong những bước khó hiểu đối với tôi là bước đầu tiên:
Đặc điểm kỹ thuật và ước tính của một mô hình VAR cho chuỗi thời gian đa biến tích hợp
Tính toán các thử nghiệm tỷ lệ khả năng để xác định số lượng quan hệ hợp nhất
Sau khi xác định số lượng hợp nhất, hãy ước tính VECM
Ở bước đầu tiên, người ta ước tính một mô hình VAR với số độ trễ thích hợp (sử dụng mức độ phù hợp thông thường của tiêu chí phù hợp) và sau đó kiểm tra xem phần dư có tương ứng với các giả định của mô hình hay không, cụ thể là không có tương quan nối tiếp và độ không đồng nhất và phần dư được phân phối bình thường . Vì vậy, người ta kiểm tra xem mô hình VAR có mô tả chính xác chuỗi thời gian đa biến hay không và người ta chỉ tiến hành các bước tiếp theo nếu có.
Và bây giờ với câu hỏi của tôi: Nếu mô hình VAR mô tả dữ liệu tốt, tại sao tôi lại cần VECM ? Nếu mục tiêu của tôi là tạo dự báo , không đủ để ước tính VAR và kiểm tra các giả định, và nếu chúng được thực hiện, thì chỉ cần sử dụng mô hình này?