要注残差不存在自相关、异方差与正态性是建立模型最基本的假设之一，自相关一般要求不严格，因为滞后项存在很好解决了这个问题 高P268  异方差与正态性可以对VAR殘差项进行检验（在检验正态性时, 如果用的协方差矩阵正交化方法, 检验结果取决于VAR 模型中变量的顺序, 在分解时采用一般化分解方法即可），当存在异方差时在回归分析中可以采用GLS法（实证中回归估计时人们直接采用GLS，如存在自相关与异方时可以消除，不存在是它就等同于OLS），但是在VAR中估计方法就是OLS，没有GLS可供选择，检测到了又有什么 办法呢？所以VAR中最关键的是强调模型的稳定性，对于那些常规的检验并不要求严格，或许这个模型本身不能按回归的思路去考察它，这个模型强调的是误差项，回归则重点是变量间关系
那个作者太较真了，回归与VAR不是一回事呀，模型稳定了来那些是多此一举！

协整检验个数决定方程个数，只有一个协整时就是唯一的

以下是我在国际贸易问题杂志上摘录的一段话,里面论述协整方程唯一的一个判断,以及滞后阶数选择的一种依据.好像比我平常想像的要复杂,不知道是否以后都要这样麻烦??
协整关系在很大程度上依赖于滞后期的选择, 研究传统一般根据无约束的VAR 模型确定。由于VAR 模型的稳定性是判断模型好坏的关键条件, 而且随着滞后期越长, 模型的稳定性越差, 所以当VAR 模型不符合稳定性条件时的前推1 期为最长滞后期, 然后根据残差检验逐期剔除不显著模型, 通过残差自相关、正态性和异方差检验的模型为最终模型。在检验正态性时, 如果用的协方差矩阵正交化方法, 检验结果取决于VAR 模型中变量的顺序, 而利用残差协方差矩阵的平方跟方法可以克服这个局限性。考虑到模型的稳定性, 残差检验正态性, 最优滞后期确定为4.
为判断变量之间是否存在长期均衡关系, 采用Johansen 提出的方法来检验变量之间的协整关系。
表3 报告了协整方程的几种形式, 从中可以看出, 选择的检验形式为协整变量具有线型趋势而且截距项限制在协整空间里, 则线性协整关系是唯一的。表4 是协整检验的具体结果, 迹统计量和最大特征值统计量都表明在5%的显著水平下存在着一个协整关系。根据协整向量的系数的估计值, 可以得到如下协整方程