生成VAR 后，你可以看到所有的equations 并且看到所有的相关系数 显著性。挑选不显著的系数 做walt test （怀特检验？）， 其实就是建立辅助方程，分析异方差性：一个解释变量的变化会引起其他解释变量显著性的变化。

样本是1200多个，1做出来是一个是格兰杰（千分之二），反方向不是（0.24）
9做出来是两个互为因果（百分之5和百分之4，不是很显著吧。。。）

做walt test，看看相关系数是否jointly significant. 比如你生成的equation中，RC的8，9期相关系数不显著，你就令RC的8，9期和RE的8，9期相关系数联合为0，c()=c()=c()=c()=0 像这样，记得删变量要成对删除。如果显著为零就可以停下来了。再看看AR root 有没有超出 unit circle， 若没有说明模型稳定。建议VAR(9)就看下 ar root 是否稳定，如果稳定，我觉得 9阶就9阶吧，毕竟你样本大。
总结下，先看看VAR(9)的AR ROOT, 再看看生成的equation 哪些变量前面的相关系数不显著，对这些不显著的系数做walt test，最后确定你的p，再做AR ROOT， 看看模型整体稳定性。

希望能帮到你

你好，感谢你的回答，其实这一块我不是很懂，只是照着别人的方法再做。
我选滞后期，是根据这个来的：http://www.docin.com/p-707121608.html  您说的这个检验我不清楚
因为参照的一篇文章是统一按照AIC来选的，因为我们做的是分解后的数据的检验，所以LAG有10几都是有的。
我目前做的几组都还正常，不过刚刚遇到了奇葩，有一个部分的数据AIC居然有74。。。LR是79，不过SC是7.
这一组数据，我要单独改用7来做吗？

你好，感谢你的回答，其实这一块我不是很懂，只是照着别人的方法再做。
我选滞后期，是根据这个来的：http://www.docin.com/p-707121608.html  您说的这个检验我不清楚
因为参照的一篇文章是统一按照AIC来选的，因为我们做的是分解后的数据的检验，所以LAG有10几都是有的。
我目前做的几组都还正常，不过刚刚遇到了奇葩，有一个部分的数据AIC居然有74。。。LR是79，不过SC是7.
这一组数据，我要单独改用7来做吗？ 做的格兰杰结果都是特别显著，就是想着说的时候怎么说