ベクトル自己回帰モデル（VAR）はを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk time_series

G検定トップ ＞ ベクトル自己回帰モデル（VAR）とは？【G検定対策】

まず結論

  • ベクトル自己回帰モデル（VAR） とは、複数の時系列変数を同時に扱い、それぞれを他の変数の過去値も含めて予測する多変量時系列モデルである。
  • G検定では 自己回帰（AR）との違い＝「変数の数」 が問われる。

直感的な説明

  • ARモデル：
    👉「自分の過去だけを見て未来を予測」
  • VARモデル：
    👉「自分の過去＋他の変数の過去も見て未来を予測」

例：

  • 金利
  • 為替
  • 株価

これらが 互いに影響し合う と考えて同時に扱うのが VAR。

定義・仕組み

  • VAR は ARモデルを多変量に拡張したもの。
  • 各変数は、
    • 自分自身の過去の値
    • 他の変数の過去の値
      を説明変数として持つ。

👉 「1変数か？複数変数か？」が本質。

いつ使う？（得意・不得意）

得意

  • 経済データ分析
  • マクロ経済モデル
  • 相互依存する時系列データ

不得意

  • 単一の時系列のみの場合
  • 非線形な関係が強い場合
  • 大量変数での高次元問題

G検定ひっかけポイント

  • ❌「ARは複数変数を扱う」
  • ❌「移動平均モデルも多変量時系列である」
  • ❌「単回帰分析は時系列モデルである」

👉 AR = 1変数
👉 VAR = 複数変数

判断基準

  • 「複数の時系列」「相互影響」 → VAR
  • 「同一変数の過去」 → AR
  • 「平均との差」 → 移動平均モデル

まとめ（試験直前用）

  • VARは多変量時系列モデル
  • ARを拡張したモデル
  • 複数変数の過去を同時に使用
  • 経済・金融分野で多用
  • 変数の数で即判断

🔗 関連記事

🏠 G検トップに戻る