如何為回歸選擇正確的模型？

因此，我的項目的核心問題是一個國家的出口對 GDP 的貢獻水平（即出口占 GDP 總量的百分比）在多大程度上影響其 GDP 增長。

我正在為中國和印度這兩個不同的國家比較這個假設。

我有兩國出口占 GDP 總額百分比的年度時間序列數據及其過去 30 年的 GDP 增長，但我不知道如何選擇正確的模型來開始分析。

我正在考慮使用自回歸模型一，有什麼想法嗎？如果這是正確的，那麼我將如何開始使用我的數據對其進行建模？

策劃事情。原始數據看起來像有周期嗎？（我假設是這樣，因為您正在談論經濟數據並希望使用自回歸模型。）接下來，嘗試通過取差來獲取自回歸模型的順序，直到週期消失。這也可以使用（一個版本）Durbin-Watson 測試進行正式測試。可能會有更多的模式。你看到了什麼？變異性是否會隨著時間的推移保持不變（可能是當你有百分比時），或者變異性是否有增長的趨勢？什麼平滑（簡單）的函式遵循數據的一般分佈？適合它，評估適合度，用不同的功能重複，直到你有一些合理的東西。

模型選擇與其說是一門科學，不如說是一門藝術，通常有幾種合理的模型可供您使用。

我認為您可以在此類應用政策問題中使用 VAR 模型。我想你對一些問題感興趣，比如“出口對 GDP 和 GDP 對出口的影響如何？” 因此，如果是這種情況，我認為最合適的方法是使用 VAR 模型，您可以在其中分析關鍵變數之間的因果關係（如格蘭傑因果關係）。但是，如果您的時間序列是協整的，您必須查看您的數據，如果是，您可以使用 VECM 模型（向量誤差校正模型），它可以被視為 VAR 模型的不同版本。

引用自：https://economics.stackexchange.com/questions/5411