VAR估计报错求助：eigen(companion)提示x含无穷或缺失值

我来帮你排查这个困扰你的报错！你遇到的Error in eigen(companion) : infinite or missing values in 'x'确实和roots()函数密切相关——本质是VAR模型拟合出的伴随矩阵存在缺失值或无限值，导致特征值计算失败。下面是具体的排查方向和修复方案：

1. 先检查滚动窗口内的VAR拟合稳定性 #

你的滚动窗口是200条观测，但部分窗口的数据可能存在多重共线性、异常波动，导致VAR系数估计出现NA/Inf，进而引发后续的特征值计算报错。可以在循环里加一层前置检查：

for (i in 1:dim(CV)[3]) {
  var1 <- VAR(Y[i:(space+i-1),], p=nlag, type="const")
  
  # 新增：检查VAR系数是否存在异常值
  if(any(is.na(coef(var1))) || any(is.infinite(coef(var1)))){
    warning(paste("第", i, "个窗口的VAR拟合系数异常，跳过当前窗口"))
    CV[,,i] <- CV[,,(i-1)]
    next
  }
  
  if(any(roots(var1)>1)){
    CV[,,i] <- CV[,,(i-1)]
  } else {
    CV[,,i] <- gfevd(var1, n.ahead=nfore)$fevd
  }
  if (i%%500==0) {print(i)}
}

2. 预处理数据，清除隐藏的极端值 #

你已经检查了NA值，但极端大/小值也会导致VAR系数发散产生Inf值。可以对数据做标准化或缩尾处理：

# 方案1：标准化所有变量（均值为0，方差为1）
Y_scaled <- scale(Y)

# 方案2：缩尾处理，把上下1%的极端值替换为对应分位数
Y_winsorized <- apply(Y, 2, function(x){
  qnt <- quantile(x, probs=c(0.01, 0.99), na.rm=TRUE)
  x[x < qnt[1]] <- qnt[1]
  x[x > qnt[2]] <- qnt[2]
  return(x)
})

用处理后的数据集替换原Y再运行循环。

3. 动态调整VAR滞后阶数nlag #

如果你的nlag设置过大，200条观测可能不足以支撑这么多参数的估计，导致系数不稳定。可以在每个窗口内用AIC准则动态选择最优滞后阶数：

for (i in 1:dim(CV)[3]) {
  # 先在当前窗口内选择最优滞后阶数
  optimal_p <- VARselect(Y[i:(space+i-1),], lag.max=10, type="const")$selection["AIC(n)"]
  var1 <- VAR(Y[i:(space+i-1),], p=optimal_p, type="const")
  
  # 后续逻辑保持不变
  if(any(roots(var1)>1)){
    CV[,,i] <- CV[,,(i-1)]
  } else {
    CV[,,i] <- gfevd(var1, n.ahead=nfore)$fevd
  }
  if (i%%500==0) {print(i)}
}

4. 用tryCatch捕获roots()的报错 #

避免单个窗口的报错中断整个循环，同时记录错误信息：

for (i in 1:dim(CV)[3]) {
  var1 <- VAR(Y[i:(space+i-1),], p=nlag, type="const")
  
  # 用tryCatch包裹roots检查逻辑
  root_check <- tryCatch({
    any(roots(var1) > 1)
  }, error = function(e){
    warning(paste("第", i, "个窗口特征值计算失败：", e$message))
    TRUE # 这里返回TRUE意味着用前一个窗口的值填充，可根据需求调整
  })
  
  if(root_check){
    CV[,,i] <- CV[,,(i-1)]
  } else {
    CV[,,i] <- gfevd(var1, n.ahead=nfore)$fevd
  }
  if (i%%500==0) {print(i)}
}

5. 先验证初始窗口的拟合情况 #

先单独跑第一个窗口的代码，确认基础拟合是否正常：

# 测试第一个滚动窗口
test_var <- VAR(Y[1:200,], p=nlag, type="const")
print(coef(test_var)) # 检查系数是否有NA/Inf
print(roots(test_var)) # 检查特征值计算是否正常
print(gfevd(test_var, n.ahead=nfore)$fevd) # 检查FEVD输出是否正常

如果第一个窗口就报错，说明你的基础数据或nlag设置有问题，优先解决这个再跑完整循环。

内容的提问来源于stack exchange，提问作者sardor mirzaev