最終更新日：2026年8月26日
gk time_series
G検定トップ
＞ VARとARIMAの違い｜多変量と単変量で切り分け【G検定対策】
まず結論
- VAR：複数の時系列をまとめ、各変数を自分自身と他の変数の過去値から説明する
- ARIMA：主に1つの時系列を、AR・MA・差分の組み合わせでモデル化する
G検定では、
複数系列の相互作用 → VAR
単一系列＋AR・MA・差分 → ARIMA
を基本の判断軸にします。
直感的な説明
- ARIMA → 「売上」という1本の系列の過去や誤差を見て予測する
- VAR → 「売上・価格・広告費」のような複数系列が互いにどう影響するかを見る
ただし、変数が1つなら必ずARIMA、複数なら必ずVARと機械的に決めるわけではありません。実際にはデータ構造や目的に合うモデルを選びます。
定義・仕組み
ARIMA
ARIMA(p,d,q) は、
- AR：過去の値
- I：Integrated（差分次数
d） - MA：過去の誤差
を組み合わせる代表的な単変量時系列モデルです。
VAR
VARはARを多変量へ拡張したモデルで、複数系列それぞれを自分自身と他系列のラグ値から説明します。
VARでは定常性が重要で、必要に応じて差分などの前処理を行います。ただしARIMAのように「I」がモデル名に組み込まれているわけではありません。
いつ使う？（得意・不得意）
| 問題文の特徴 | 疑うモデル |
|---|---|
| 1つの系列、差分、ARとMA | ARIMA |
| 複数系列、互いの過去値、相互作用 | VAR |
| 非定常系列を差分して扱う | ARIMAや差分後のVARなど |
「複数変数がある」というだけでVARとは限りません。複数の時系列を同時に相互依存モデルとして扱うかを見るのが重要です。
G検定ひっかけポイント
- ❌「VARは差分を絶対に使わない」→ 非定常なら差分を検討することがある
- ❌「ARIMAは多変量の相互作用を扱う基本モデル」→ VARとの混同
- ❌「変数数だけ見ればモデルを必ず決められる」→ 目的・構造も確認する
- ⭕「他の時系列のラグも説明変数」→ VAR
- ⭕「AR・MA・差分次数d」→ ARIMA
まとめ（試験直前用）
- VAR＝複数時系列の相互作用
- ARIMA＝主に単一系列＋AR・MA・差分
- VARにも定常性への配慮が必要
- 「複数なら必ずVAR」と絶対視しない
- 相互作用か、1系列の構造かで切る