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)可以帮我选择一个合适的延迟。data是带有上述变量的 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
$criteria
1 2 3 4 5 6 7 8
AIC(n) 1.716881 1.575052 1.474927 1.543878 1.493210 1.651975 1.624066 1.773173
HQ(n) 1.807505 1.726093 1.686385 1.815752 1.825500 2.044682 2.077189 2.286712
SC(n) 1.962629 1.984634 2.048341 2.281125 2.394289 2.716887 2.852810 3.165750
FPE(n) 5.569664 4.841214 4.396341 4.741887 4.556023 5.424803 5.393498 6.451249
我想，简而言之，我想知道的是 - 我应该将租金、房屋供应、全国股市指数、抵押贷款利率和房屋空置率相对于房价滞后多少，以创建一个“足够好”的模型.
我对其他帮助我找出我应该做什么的方法持开放态度，但请帮助我解决代码。谢谢。
最佳答案
查看 documentation为 vars包，特别是 VARselect函数(与 ?VARselect 信息相同，但格式很好)。
什么$selection对象告诉您是通过最小化 4 个标准( Akaike 、 Hannan-Quinn 、 Schwarz 和 Final Prediction Error )中的每一个来选择的总滞后顺序；
什么$criteria对象告诉您 是给定滞后的每个标准的值(例如， $criteria[3L, p] 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，如果最小化器具有 p，您可以选择更简约的规范。非常高，但值要低得多 p给你一个类似的标准。
另请注意，如果您只是运行 VARselect(data) ，它将评估联合拟合模型的标准——我不确定你要做什么，但从你的问题来看，你似乎想要评估数据中每一列的滞后选择过程分别地。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/