制限付きR - AICのvarsパッケージ

Question

私はvarsパッケージのカナダデータにベクトル自己回帰モデルを適合させ、t値1.64に基づいて制限しました。

library(vars) 
data("Canada") 
var.can1 <- VAR(Canada, p = 2, type = "none") 

summary(var.can1) 

VAR Estimation Results: 
========================= 
Endogenous variables: e, prod, rw, U 
Deterministic variables: none 
Sample size: 82 
Log Likelihood: -184.045 
Roots of the characteristic polynomial: 
    1 0.9783 0.9113 0.9113 0.7474 0.1613 0.1613 0.1572 
Call: 
VAR(y = Canada, p = 2, type = "none") 

# AIC BIC etc. 
VARSelect(Canada, lag.max = 2, type = "none")$criteria 

var.can2 <- restrict(var.can1, method = "ser", thresh = 1.64) 

summary(var.can2) 

VAR Estimation Results: 
========================= 
Endogenous variables: e, prod, rw, U 
Deterministic variables: none 
Sample size: 82 
Log Likelihood: -191.376 
Roots of the characteristic polynomial: 
    1 0.9742 0.9272 0.9272 0.7753 0.2105 0.2105 0.005071 
Call: 
VAR(y = Canada, p = 2, type = "none") 

改訂された情報基準を取得したいが、これを行う方法がわからない。誰がどのように知っていますか？

EDIT 1

だから私は無制限のモデルのAICを導出しよう：

vars::VARselect(Canada, lag.max = 2, type = "none")$criteria 
        1   2 
AIC(n) -5.600280680 -6.082112784 
HQ(n) -5.411741957 -5.705035337 
SC(n) -5.130676924 -5.142905272 
FPE(n) 0.003697972 0.002289041 

s <- summary(var.can1) 
s$covres 
       e   prod   rw    U 
e  0.140560073 0.0056629572 -0.03893668 -0.0798565366 
prod 0.005662957 0.4358209615 0.06689687 -0.0005118419 
rw -0.038936678 0.0668968657 0.60125872 0.0309232731 
U -0.079856537 -0.0005118419 0.03092327 0.0899478736 

複数の時系列分析Luetkepohl、ヘルムート2007年に新規導入から、PG 147：

$$ AIC（m）= ln（det（covres））+ \ frac {2mk^2} {T} $$

mはラグ順、kは系列数、 Tはサンプルサイズ

あるしかし、私は得る：

-6.451984 + 2 * 2 * 4^84分の2 =コードの中を掘り等しくない-5.600280680

Answer 1

を行い-5.69

私は、要約で報告されている残余共分散行列は、AICを計算するために実際に使用されているものではないことがわかります。

かなりイライラしている人もいれば、バグを言う人もいます。

library(vars) 
data("Canada") 
var.can1 <- VAR(Canada, p = 2, type = "none") 

s <- summary(var.can1) 

# Variance covariance matrix for the resid 
s$covres 

# e   prod   rw    U 
# e  0.140560073 0.0056629572 -0.03893668 -0.0798565366 
# prod 0.005662957 0.4358209615 0.06689687 -0.0005118419 
# rw -0.038936678 0.0668968657 0.60125872 0.0309232731 
# U -0.079856537 -0.0005118419 0.03092327 0.0899478736 

vars::VARselect(Canada, lag.max = 2, type = "none")$criteria 


# AIC is defined as: 
# AICm = ln(det(sigma)) + (2pk^2)/N 
# p = lag order, K = num series 

p <- 2 
K <- 4 

N <- nrow(Canada) - p 
(AIC1 <- log(det(s$covres)) + (2*2*4^2)/N) 

# [1] -5.671496 is nothing like -6.082112784 


# The residual covariance matrix 
# that is reported in the summary is not what is actually used 
# to compute the AIC. 

myresid <- residuals(var.can1) 
(mysigma <- crossprod(myresid) * (1/N)) 

# e   prod   rw    U 
# e  0.12684690 0.0051104797 -0.03513798 -0.0720656604 
# prod 0.00511048 0.3933018507 0.06037034 -0.0004619127 
# rw -0.03513798 0.0603703437 0.54259933 0.0279063671 
# U -0.07206566 -0.0004619127 0.02790637 0.0811724773 

log(det(mysigma)) + (2* p * K^2)/N 
# [1] -6.082113, which is very like -6.082112784