Vector Error Correction Model(VECM)について混乱しています。
技術的背景:
VECMは、統合された多変量時系列にベクトル自己回帰モデル(VAR)を適用する可能性を提供します。教科書では、VARを統合時系列に適用する際にいくつかの問題を挙げていますが、その中で最も重要なのは、いわゆるスプリアス回帰です(t統計は非常に重要であり、変数間に関係はありませんがR ^ 2が高い)。
VECMを推定するプロセスは、おおよそ次の3つのステップで構成されていますが、混乱を招く1つは最初のステップです。
統合された多変量時系列のVARモデルの仕様と推定
尤度比検定を計算して、共和分関係の数を決定します
共和分数を決定した後、VECMを推定します
最初のステップでは、適切な数のラグを使用してVARモデルを推定し(通常の適合度基準を使用)、残差がモデルの仮定に対応しているかどうか、つまり、シリアル相関と不均一分散がなく、残差が正規分布していることを確認します。そのため、VARモデルが多変量時系列を適切に記述しているかどうかを確認し、記述している場合にのみ次のステップに進みます。
そして今私の質問に:VARモデルがデータをうまく記述しているのなら、なぜVECMが必要なのですか?私の目標が予測を生成することである場合、VARを推定して仮定をチェックするだけでは十分ではありませんか?また、それらが満たされている場合は、このモデルを使用しますか?