r - VARselect() 结果的解释

Question

我阅读了这篇文章 ( Selecting an appropriate lag for a regression equation and how to interpret the results of VARselect)，已经涵盖了我的问题的类似基础知识，但仍然不确定如何准确解释结果。

我的数据集 (VARTotal_df) 包含 14 个经济和金融变量以及 121 个 obs。 each) 我的 VARselect() 结果特别是:

VARselect(VARTotal_df,lag.max=10,type="none") # AIC, HQ, SC and FPEsuggest lag of 8
$selection
AIC(n)  HQ(n)  SC(n) FPE(n) 
     8      8      8      7 

$criteria
                  1            2            3            4            5            6            7    8    9   10
AIC(n) 6.380974e+01 6.430259e+01 6.484109e+01 6.410062e+01 6.204580e+01 5.739413e+01          NaN -Inf -Inf -Inf
HQ(n)  6.575063e+01 6.818436e+01 7.066375e+01 7.186418e+01 7.175024e+01 6.903945e+01          NaN -Inf -Inf -Inf
SC(n)  6.859414e+01 7.387138e+01 7.919428e+01 8.323821e+01 8.596778e+01 8.610050e+01          NaN -Inf -Inf -Inf
FPE(n) 5.253281e+27 9.861064e+27 2.516204e+28 2.861553e+28 2.023257e+28 5.558990e+27 -51057843500    0    0    0

Warning messages:
1: In log(sigma.det) : NaNs produced
2: In log(sigma.det) : NaNs produced
3: In log(sigma.det) : NaNs produced

显然，滞后 8 是最合适的。但是，我想知道这是否可以用作滞后 7 包含 NaN，而滞后 8 到 10 -Inf。

非常感谢知识渊博的人的澄清!

Answer 1

我知道这个答案可能会来得有点晚，但如果它仍然可以帮助你或其他人，这就是为什么你得到 -Inf 滞后 8 和更大的原因:

令 L 等于滞后数，D 等于 VAR 的内生变量数，N 等于观测数在你的数据集中。那么您的 VAR 将具有 DL 个解释变量和 N - L 个观察值。如果 DL > N - L，则您的某些变量系数无法通过 OLS 估计。

因此，在您的情况下，D = 14 且 N = 121。如果 L 大于或等于 8，DL > N - L 因为当 L = 8 时 DL = 112 和 N - L = 107。本质上，你做您的数据集中没有足够的观察值来计算滞后 8 或更大的标准。