VAR モデルのラグ順序の選択基準と手法

ベクトル自己回帰(VAR)モデルは、現代のマクロ経済分析において不可欠な手法であり、複数の経済変数間に存在する動的な相互関係を解明するために広く用いられています。時系列データに含まれる時間的な依存関係を捉えることで、将来の値の予測や、外部からのショックがシステム全体に与える影響の評価を行うことが可能です。

しかし、VAR分析の精度は「ラグ次数(lag order)」、すなわちモデルに組み込む過去の期間数をいかに適切に決定するかに大きく依存します。ラグ次数の選択を誤ると、推論に誤りが生じたり、過学習(overfitting)や学習不足(underfitting)に陥ったりして、経済の真のダイナミクスを捉えられなくなる恐れがあります。

理論的な観点から見ると、ラグ次数の選択は「モデルの複雑性」と「説明力」のトレードオフを調整する作業です。例えば、VAR(1)モデルは1期前の値のみを考慮しますが、VAR(5)モデルは5期前までの情報を活用します。ラグ数が少なすぎると、システム内の重要な動態を見落とすリスクがあり、逆に多すぎると、モデルが過去のデータに過剰に適合し、汎用性が低下します。ここでの指針となるのが「簡潔性の原則(principle of parsimony)」であり、十分な情報量を保持しつつ、可能な限りシンプルなモデルを構築することが推奨されます。

ラグ次数選択における課題

最適なラグ次数を決定するプロセスには、多くの困難が伴います。特に経済データにおいては、非線形な関係性や構造変化(structural break)が存在することが多く、これが分析を複雑にします。

また、内生性(endogeneity)や多重共線性(multicollinearity)、あるいは非定常性(non-stationarity)といった統計的な問題が、選択プロセスをさらに困難にします。複数の経済変数を扱うモデルでは、ラグ間の相互依存性がフィードバックループを形成するため、個別のショックによる影響を切り分けることが難しくなります。さらに、明確な経済理論による指針がない場合、モデルの適合度と解釈性のバランスをどう取るかという点において、分析者の主観が入り込む余地が生じます。

ラグ次数の選択基準

これらの課題に対処するため、計量経済学ではモデルの複雑さと説明力のバランスを定量的に評価する「情報量基準」が用いられます。代表的な指標として、赤池情報量基準(AIC)とシュワルツ情報量基準(SIC)が挙げられます。

• 赤池情報量基準 (AIC): モデルの適合度を重視しつつ、パラメータ数によるペナルティを課します。一般的に、SICよりも大きなラグ次数を選択する傾向があり、予測精度を高める場合に有効ですが、過学習のリスクを伴います。
• シュワルツ情報量基準 (SIC): AICよりもパラメータ数に対して厳しいペナルティを課します。より簡潔なモデルを好む傾向があり、一貫性のある推定に適していますが、複雑なダイナミクスを持つシステムでは学習不足に陥る可能性があります。

実務においては、これらの指標に加えて、ハンナン・クイン基準(HQC)やベイズ情報量基準(BIC)などを併用し、複数の基準から総合的に判断することで、選択のリスクを軽減させるアプローチが一般的です。

最適なラグ次数を決定する手法

理論的な基準だけでなく、実証的な評価を通じてラグ次数を決定する手法も重要です。

一つは**交差検証(cross-validation)**です。これはデータセットを訓練用とテスト用に分割し、テストデータに対する予測精度を検証する方法です。これにより、未知のデータに対する汎用性を確認でき、過学習を防ぐことが可能です。

もう一つは**サンプル外テスト(out-of-sample testing)**です。データの一部でモデルを構築し、残りの期間で予測性能を評価することで、モデルの堅牢性をより厳格に検証します。また、残差平方和を最小化しつつモデルの複雑さを考慮する情報量基準を組み合わせることで、統計的に妥当なラグ次数を特定します。

不適切なラグ次数がもたらす影響

ラグ次数の選択を誤った場合、特に政策分析や予測において深刻な帰結を招く可能性があります。

例えば、金融政策の分析においてラグ次数が不十分な場合、金利の変動が経済に波及するまでの時間的ラグを十分に捉えられず、不完全な分析結果に基づく誤った政策提言につながる恐れがあります。一方で、ラグ数が過剰な場合は、データに含まれるノイズまでモデルに取り込んでしまい、予測精度が著しく低下します。

さらに、不適切なラグ設定は「見かけ上の相関(spurious correlation)」を引き起こす原因となります。本来は因果関係がないにもかかわらず、ランダムな変動が変数間の関係として現れてしまい、誤った因果メカニズムを導き出すリスクがあります。このため、複数の手法を用いて結果の妥当性を検証することが極めて重要です。

実証的な適用例

実際の研究においても、適切なラグ次数選択の重要性が示されています。例えば、米国のGDP成長率を分析したVARモデルでは、ラグ次数を5に設定した際にデータへの適合度が最も高まり、経済活動のサイクル的なパターンを適切に捉えられたという事例があります。

また、インフレと金融政策に関する研究では、交差検証を用いることで、異なる経済体制(regime)においても堅牢に作動する最適なラグ次数が特定されました。これらの事例は、単一の基準に頼るのではなく、実証的な検証を重ねることが分析の信頼性を高める鍵であることを示しています。

結論

VARモデルにおけるラグ次数の選択は、計量経済分析の正確性と信頼性を担保するための極めて重要なステップです。理論的な枠組みは指針を与えてくれますが、実際の決定プロセスは複雑であり、ある程度の主観的な判断を伴います。

分析者は、情報量基準や交差検証などの多様な手法を組み合わせ、モデルの簡潔性と説明力の最適なバランスを追求しなければなりません。不適切なラグ選択がもたらすリスクを十分に認識し、厳格な検証プロセスを導入することで、はじめて信頼に足る分析結果を得ることができます。ラグ次数の決定は単なる技術的な手続きではなく、効果的な経済分析を実現するための基礎的な要件であると言えます。