r - 为回归方程选择合适的滞后以及如何解释 VARselect 的结果

我的问题有两个方面。

如何为我的回归方程选择合适的滞后？我有房价的因变量，以及租金、房屋供应、全国股市指数、抵押贷款利率和房屋空置率的自变量。

我做了一些阅读，发现 VARselect(data,lag.max=1 or 2 or 3 etc) 可以帮助我选择合适的延迟。
data 是一个包含上述变量的 csv 文件。所以下面是我得到的。我该怎么解释它？

> var=VARselect(data,lag.max=8)
> var
$selection
AIC(n)  HQ(n)  SC(n) FPE(n)
     3      3      1      3

$criteria
          1        2        3        4        5        6        7        8
AIC(n) 1.716881 1.575052 1.474927 1.543878 1.493210 1.651975 1.624066 1.773173
HQ(n)  1.807505 1.726093 1.686385 1.815752 1.825500 2.044682 2.077189 2.286712
SC(n)  1.962629 1.984634 2.048341 2.281125 2.394289 2.716887 2.852810 3.165750
FPE(n) 5.569664 4.841214 4.396341 4.741887 4.556023 5.424803 5.393498 6.451249

我想，简而言之，我想知道的是 - 我应该将租金、房屋供应、全国股市指数、抵押贷款利率和房屋空置率相对于房价滞后多少，以创建一个“足够好”的模型.

我对其他帮助我找出我应该做什么的方法持开放态度，但请帮助我解决代码。谢谢。

最佳答案

查看 documentation 的 vars 包，特别是 VARselect 函数(与 ?VARselect 相同的信息，但格式很好)。
$selection 对象告诉您的是通过最小化 4 个标准( Akaike 、 Hannan-Quinn 、 Schwarz 和 Final Prediction Error )中的每一个选择的总滞后顺序；
$criteria 对象告诉您的是给定滞后时每个标准的值(例如，$criteria[3L, p] 会告诉您 Schwarz 标准对于 p th 滞后规范是什么)。如果有很多具有相似标准值的滞后，这可能很有用，如果最小化器的 p 非常高，则允许您选择更简约的规范，但 p 的值低得多为您提供类似的标准。

另请注意，如果您只运行 VARselect(data) ，它将评估联合拟合模型的标准——我不确定您要做什么，但从您的问题来看，您似乎想要评估滞后选择分别处理数据中的每一列。为此，您必须运行 lapply(data, VARselect) 。

关于r - 为回归方程选择合适的滞后以及如何解释 VARselect 的结果，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14131676/