Se seleccionaron el ingreso y el ahorro como datos para evaluar.

autoplot(uschange[,c(2,4)])

ts.plot(series[,c(2,4)], xlab="Tiempo",col=c(1,2))

a <- VARselect(uschange[,c(2,4)], lag.max=15,type="trend")
a$selection
## AIC(n)  HQ(n)  SC(n) FPE(n) 
##      3      3      1      3

Los valores recomendados para “p” son 1 y 3

Se evalúan dos modelos modelo1 = p = 1 modelo3 = p = 3

aic1
## [1] -929.4952
aic2
## [1] -903.1367

El aic es el primer criterio de evaluación y el modelo1 tiene el aic más negativo

serial.test(modelo1, lags.pt=10, type="PT.asymptotic")
## 
##  Portmanteau Test (asymptotic)
## 
## data:  Residuals of VAR object modelo1
## Chi-squared = 60.676, df = 36, p-value = 0.006202
serial.test(modelo3, lags.pt=10, type="PT.asymptotic")
## 
##  Portmanteau Test (asymptotic)
## 
## data:  Residuals of VAR object modelo3
## Chi-squared = 29.656, df = 28, p-value = 0.3798

En el criterio del portmanteau test el modelo3 tiene el pvalor moyer a 0.05

roots(modelo1)
## [1] 0.4758376 0.3078078
roots(modelo3)
## [1] 0.8536111 0.5818049 0.5818049 0.5139381 0.3486154 0.3486154

Todas las rices unitarias están por encima de 0.05

stab<-stability(modelo1, type = "OLS-CUSUM")
plot(stab)

Al final de todas las pruebas la decición es el modelo1 como la mejor opción