Estoy confundido sobre el Modelo de corrección de errores de vectores ( VECM ).
Antecedentes técnicos:
VECM ofrece la posibilidad de aplicar el Modelo Vector Autorregresivo ( VAR ) a series de tiempo multivariadas integradas. En los libros de texto que nombrar algunos problemas en la aplicación de un VAR para series de tiempo integrado, el más importante de los cuales es el denominado de regresión espuria (t-estadísticas son altamente significativas y R ^ 2 es alta aunque no existe una relación entre las variables).
El proceso de estimar el VECM consiste aproximadamente en los tres pasos siguientes, el confuso de los cuales es para mí el primero:
Especificación y estimación de un modelo VAR para las series de tiempo multivariadas integradas
Calcular pruebas de razón de probabilidad para determinar el número de relaciones de cointegración
Después de determinar el número de cointegrations, estimar la VECM
En el primer paso, se estima un modelo VAR con el número apropiado de retrasos (utilizando los criterios habituales de bondad de ajuste) y luego se verifica si los residuos corresponden a los supuestos del modelo, es decir, la ausencia de correlación serial y heterocedasticidad y que los residuos se distribuyen normalmente . Entonces, uno verifica si el modelo VAR describe adecuadamente la serie de tiempo multivariante, y uno continúa con los pasos adicionales solo si lo hace.
Y ahora a mi pregunta: si el modelo VAR describe bien los datos, ¿por qué necesito el VECM ? Si mi objetivo es generar predicciones , no es suficiente para estimar un VAR y comprobar las hipótesis, y si se cumplen, entonces sólo tiene que utilizar este modelo?