Microsoft Word Thesis Gent (1). doc

6 
Chapter VI. Methodology 
6.1 VAR methodology 
The vector autoregressions (VARs) are a macro-econometric models provided in 1980 
by Sims. Based on this provision, a univariate autoregression can be defined as a linear 
model which uses one variable which is described by its lagged values. Extending this 
model, the vector autoregression is a multi-variable linear equation where variables are 
explained by their individual lagged values, as well as the values of other past lasting 
variables as n-1. This macroeconomic model has assisted to understand various time 
series and has a very easy statistical background to be used. The vector autoregressions 
(VARs) have been observed as very helpful in describing data, prediction, and analysis 
of policies.
This simplistic framework engages linear equations to observe the relations 
of variables that are endogenous. The VAR model accounts for all of variables as 
symmetrical and does not include a theory to show the variables as dependent or 
independent. They are based on previous data and analyzed afterwards.
The VAR model treats all variables as endogenous and has a system with multi-
equation. It is a model that has one equation for every variable as dependent variable. 
Furthermore, in these equations there are included lagged values of all variables of the 
model as dependent variable including the independent variable. These equations have 
the same form, because for VAR model there are no contemporaneous variables that are 
used as explanatory variables.
For example, in a VAR model with variable as y the equations of the model would be as 
below: 
y
t
= a
1
y
t−1
+... + a
k
y
t−k
+ e
t
y
Furthermore, in this model the endogenous variable serve also as explanatory variables 
in lagged form, while the amount of lags is determined at the estimation stage. In order 
to see that which lag length suit my estimation better, I run the information criterion for 
lag length. According to information criterion Akaike (AIC) the goodness of fit that 
relatively suits my model better is number of lags between three or four. 

---

46 
The VAR model has several properties’ that are: 
• It is a reduced form as the on right-hand side variables there are no 
contemporaneous variables. 
• The variables in the VAR model depend on each other, as they are all considered as 
endogenous variables
• The shocks in the VAR model are unobserved structural shocks. Thus as the data in 
VAR estimation are real data, the estimates obtained are of combined shock and are 
denoted as e to be differentiated from the structural shocks. With these shocks there 
are constructed impulse response analyses. 
• The VAR model is usually used to forecast, while it is not used for structural 
analysis and policy evaluation.