[问答] 求助：关于var模型的 [推广有奖]

建立var模型时，滞后阶数如何确定啊，aic的值最小还是绝对值最小？做出来的var模型检验发现两个单位根落在单位圆外是不是就不能做脉冲响应函数和方差分解了？望高手解答，这是滞后三阶的结果
    
 LNS LNRE LNMV LNY
    
LNS(-1)  0.436766  0.372696  0.013089  0.325504
  (0.27669)  (2.13172)  (1.22089)  (0.58039)
  (1.57857)  (0.17483)  (0.01072)  (0.56084)
    
LNS(-2)  0.226729  1.737837  3.198096  0.001792
  (0.29354)  (2.26154)  (1.29524)  (0.61574)
  (0.77241)  (0.76843)  (2.46912)  (0.00291)
    
LNS(-3)  0.496971  0.834187 -1.271408  0.897694
  (0.25072)  (1.93163)  (1.10629)  (0.52591)
  (1.98221)  (0.43186) (-1.14925)  (1.70692)
    
LNRE(-1)  0.026114 -0.173394 -0.086515 -0.088038
  (0.03790)  (0.29200)  (0.16723)  (0.07950)
  (0.68903) (-0.59382) (-0.51733) (-1.10739)
    
LNRE(-2) -0.014390  0.185067 -0.074397  0.051412
  (0.03977)  (0.30637)  (0.17547)  (0.08341)
 (-0.36188)  (0.60406) (-0.42400)  (0.61634)
    
LNRE(-3) -0.045925 -0.321428 -0.018173 -0.079684
  (0.04317)  (0.33263)  (0.19050)  (0.09056)
 (-1.06374) (-0.96633) (-0.09539) (-0.87988)
    
LNMV(-1) -0.074770 -0.382381  1.187297 -0.149568
  (0.04061)  (0.31290)  (0.17920)  (0.08519)
 (-1.84107) (-1.22206)  (6.62539) (-1.75569)
    
LNMV(-2)  0.103847  0.140586 -0.271277  0.090852
  (0.06093)  (0.46946)  (0.26887)  (0.12782)
  (1.70429)  (0.29947) (-1.00896)  (0.71080)
    
LNMV(-3) -0.032854  0.183379  0.019533  0.095162
  (0.04601)  (0.35445)  (0.20300)  (0.09650)
 (-0.71413)  (0.51736)  (0.09622)  (0.98609)
    
LNY(-1) -0.106445  0.743270  0.416535  0.184435
  (0.13501)  (1.04018)  (0.59573)  (0.28320)
 (-0.78843)  (0.71456)  (0.69920)  (0.65125)
    
LNY(-2)  0.064939 -0.723747 -1.248727 -0.127401
  (0.16396)  (1.26320)  (0.72347)  (0.34393)
  (0.39607) (-0.57295) (-1.72603) (-0.37043)
    
LNY(-3)  0.031946  0.693402 -0.738153 -0.092580
  (0.14915)  (1.14911)  (0.65812)  (0.31286)
  (0.21419)  (0.60343) (-1.12160) (-0.29591)
    
C -0.911106 -19.16131 -2.986014 -2.197932
  (1.02974)  (7.93361)  (4.54377)  (2.16004)
 (-0.88479) (-2.41521) (-0.65717) (-1.01754)
    
 R-squared  0.994050  0.945178  0.962816  0.964585
 Adj. R-squared  0.991406  0.920813  0.946290  0.948846
 Sum sq. resids  0.032686  1.940241  0.636424  0.143826
 S.E. equation  0.034794  0.268069  0.153529  0.072985
 F-statistic  375.9249  38.79218  58.25972  61.28318
 Log likelihood  85.43592  3.763808  26.05785  55.80310
 Akaike AIC -3.621796  0.461810 -0.652892 -2.140155
 Schwarz SC -3.072910  1.010695 -0.104007 -1.591269
 Mean dependent  8.329461  7.405163  9.619410  7.151495
 S.D. dependent  0.375325  0.952620  0.662464  0.322697
    
 Determinant Residual Covariance   4.02E-10  
 Log Likelihood   205.6836  
 Akaike Information Criteria  -7.684180  
 Schwarz Criteria  -5.488637