Je suis confus au sujet du modèle de correction d'erreur vectorielle ( VECM ).
Contexte technique:
VECM offre la possibilité d'appliquer le modèle vectoriel autorégressif ( VAR ) à des séries temporelles multivariées intégrées. Dans les manuels, ils citent certains problèmes d'application d'un VAR aux séries chronologiques intégrées, dont le plus important est la régression dite parasite (les statistiques t sont très significatives et R ^ 2 est élevé bien qu'il n'y ait pas de relation entre les variables).
Le processus d'estimation du VECM comprend grosso modo les trois étapes suivantes, dont la confusion est pour moi la première:
Spécification et estimation d'un modèle VAR pour la série temporelle multivariée intégrée
Calculer les tests du rapport de vraisemblance pour déterminer le nombre de relations de cointégration
Après avoir déterminé le nombre de cointégrations, estimer le VECM
Dans la première étape, on estime un modèle VAR avec un nombre approprié de retards (en utilisant la qualité habituelle des critères d'ajustement) puis vérifie si les résidus correspondent aux hypothèses du modèle, à savoir l'absence de corrélation sérielle et d'hétéroscédasticité et que les résidus sont normalement distribués . Ainsi, on vérifie si le modèle VAR décrit correctement la série temporelle multivariée, et on ne passe à d'autres étapes que si c'est le cas.
Et maintenant à ma question: si le modèle VAR décrit bien les données, pourquoi ai-je besoin du VECM ? Si mon objectif est de générer des prévisions , ne suffit-il pas d'estimer un VAR et de vérifier les hypothèses, et si elles sont remplies, alors il suffit d'utiliser ce modèle?