求助：AIC准则和SC准则不一致情况下如何判断滞后期？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这是我在一个模型中进行的滞后阶数判断

VAR Lag Order Selection Criteria      
Endogenous variables: LNRHNI LNBEOA LNLTAS      
Exogenous variables: C      
Date: 01/12/11   Time: 17:10      
Sample: 1978 2006      
Included observations: 23      
      
Lag LogL LR FPE AIC SC HQ
      
0 -4.760237 NA   0.000394  0.674803  0.822911  0.712052
1  59.01115   105.3614*   3.40e-06* -4.087926  -3.495495* -3.938931
2  62.16419  4.386829  5.94e-06 -3.579494 -2.542739 -3.318753
3  70.39839  9.308224  7.21e-06 -3.512903 -2.031824 -3.140416
4  81.42904  9.591872  7.88e-06 -3.689482 -1.764078 -3.205248
5  86.73521  3.229844  1.84e-05 -3.368279 -0.998552 -2.772299
6  121.4959  12.09068  6.00e-06  -5.608340* -2.794289  -4.900614*
      
* indicates lag order selected by the criterion      
LR: sequential modified LR test statistic (each test at 5% level)      
FPE: Final prediction error      
AIC: Akaike information criterion      
SC: Schwarz information criterion      
HQ: Hannan-Quinn information criterion   

AIC准则显示滞后6期，SC准则显示滞后1期，LR显示滞后1期（没错吧？），那么我建立VAR模型的最佳滞后期应该选择多少期呢？非常感谢。
我已经检测出变量在SC准则下是一阶差分平稳的。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：AIC 滞后期 observations information observation AIC 最佳滞后

AIC会OVERFIT the model，就选一期吧，SC是consistent的，只要你的样本量足够大，应该相信SC

冬日的碧雪 发表于 2011-1-13 13:52
AIC会OVERFIT the model，就选一期吧，SC是consistent的，只要你的样本量足够大，应该相信SC

谢谢。
但是我继续检测发现，用滞后一期建立的VAR模型是不稳定的，只有用滞后6期建立的VAR模型才稳定。VAR一期有一个根模在单位圆外，只有VAR六期的根模才全在单位圆内。
……

我也遇到这种问题了，求高手啊！

Included observations: 3994                               
                                               
                                               
Lag        LogL        LR        FPE        AIC        SC        HQ
                                               
                                               
0         25192.43        NA          1.14e-08        -12.61414        -12.61099        -12.61302
1         27528.78         4669.189         3.54e-09        -13.78206        -13.77261        -13.77871
2         27917.83         777.1182         2.92e-09        -13.97488        -13.95912        -13.96929
3         28034.98         233.8938         2.76e-09        -14.03154        -14.00948        -14.02372
4         28093.58         116.9318         2.69e-09        -14.05888        -14.03052        -14.04882
5         28122.01         56.69822         2.65e-09        -14.07111        -14.03645        -14.05882
6         28141.59         39.03110         2.63e-09        -14.07891         -14.03795*         -14.06439*
7         28147.77         12.31083         2.63e-09        -14.08000        -14.03274        -14.06325
8         28156.76          17.92086*          2.62e-09*         -14.08251*        -14.02894        -14.06352