Автокорреляция и гетероскедастичность в моделях VAR

Question

Я строю модель VAR(X), чтобы найти влияние между расходами на рекламу в разных каналах и индексом объема поиска Google Trends для конкретного бренда и его конкурентов, используя ежедневные данные временных рядов.

Однако при проверке остаточной автокорреляции нулевая гипотеза об отсутствии автокорреляции отклоняется для большого числа лагов. Однако я прочитал противоречивую информацию по этой теме, является ли автокорреляция большой проблемой. Не могли бы вы сообщить мне, что может быть лучшим вариантом для преодоления автокорреляции? Я работаю с eviews.

Другая проблема, с которой я сталкиваюсь, связана с гетероскедактичностью остатков, допущение которых также нарушается. Я не могу войти преобразовать данные, потому что у меня много нулевых значений.

Я надеюсь, что кто-нибудь может помочь мне с этими проблемами моделирования.

КР, Лариса Комен

Answer 1

Последовательная автокорреляция ("автокорреляция для большого числа лагов") обычно является результатом неправильной спецификации. Возможно, вы использовали нестационарные временные ряды. Если это так, вы не могли бы сделать модель VAR, но должны сделать модель векторной коррекции ошибок. Или, по крайней мере, разница данных.

Если ваши данные постоянны, попробуйте поиграть с количеством лагов. Обычно это помогает.

И есть еще одно вероятное решение. Возможно, ваши данные имеют структурные разрывы или выбросы. В этом случае попробуйте использовать манекены.

Надеюсь, это поможет.