ALGORITHM FOR CONSTRUCTING DIAGNOSTICS OF VECTOR AUTOREGRESSION MODELS OR VAR MODELS IN THE GRETL SOFTWARE PACKAGE

Статья посвящена вопросам реализации моделей векторной авторегрессии (VAR) в кросс-платформенном программном пакете Gretl. Модели векторной авторегрессии являются современным инструментом анализа динамики нескольких связанных друг с другом временных рядов. VAR-модели конструктивно отличаются от систем одновременных уравнений, использующих априорные ограничения на структурные параметры уравнений системы для решения проблем эндогенности регрессоров. В качестве предварительной обработки данных при построении авторегрессионных моделей необходимо проверить временные ряды, включенные в вектор эндогенных переменных моделей, на стационарность (например, расширенным критерием Дики – Фуллера) и выбрать максимальную величину лага, учитываемую в спецификации модели (при помощи обобщенных информационных критериев). После оценки параметров VAR-модели выполняется диагностика предпосылок оцененной модели при помощи обобщенных тестов – многомерных аналогов одномерных тестов на автокорреляцию (Portmanteau Test), гетероскедастичность (обобщенные LM-тесты ARCH), нормальность распределения возмущений (Jarque-Bera test), тестирование причинности (Granger). Одним из назначений VAR-моделей является оперативный анализ реакции основных экономических показателей на шоки, вызванные изменениями в отдельных переменных. С этой целью в пакеты прикладных программ включают процедуры построения функций импульсного отклика и разложения дисперсий ошибок прогнозов. Преимущество построения VAR-моделей заключается в русифицированном интерфейсе, простоте исследования, а также есть возможность применения без знания языков программирования. The article is devoted to the implementation of vector autoregression (VAR) models in the cross-platform Gretl software package. Vector autoregression models are a modern tool for analyzing the dynamics of several interconnected time series. VAR models are structurally different from systems of simultaneous equations that use a priori constraints on the structural parameters of the equations of the system to solve the problems of endogeneity of regressors. As a preliminary data processing when constructing autoregressive models, it is necessary to check the time series included in the vector of endogenous model variables for stationarity (for example, by the extended Dickey –Fuller criterion) and select the maximum lag value taken into account in the model specification (using generalized information criteria). After evaluating the parameters of the VAR model, the prerequisites of the evaluated model are diagnosed using generalized tests - multidimensional analogues of one–dimensional autocorrelation tests (Portmanteau Test), heteroskedasticity (generalized LM ARCH tests), normality of the distribution of disturbances (Jarque-Bera test), causality testing (Granger). One of the purposes of VAR models is the operational analysis of the reaction of the main economic indicators to shocks caused by changes in individual variables. For this purpose, the application software packages include procedures for constructing impulse response functions and decomposing the variances of forecast errors. The advantage of building VAR models lies in the Russified interface, ease of research, and there is also the possibility of using it without knowledge of programming languages.