例如，我有三个时间序列，Y,X1,X2。在使用时间序列交叉验证并利用 BIC/AIC 确定最佳 p 作为 VAR 模型的滞后后，我得到 p = 1 来估计模型。我知道要解释模型，我们可以使用脉冲函数来解释模型，同时使用方差分解来解释预测误差的方差。
我对 p 和脉冲函数的解释感到困惑。基于业务背景，人们会期望变量 X1(t-2) 和 X2(t-3)，例如，可以对预测的 Yt 产生影响。我得到的 p = 1 (lag = 1) 似乎不适用于基本事实。但是，如果使用脉冲函数来解释，它似乎工作。在此之前，我想我可以用估计模型的系数来解释 Y，比如增加一个单位的 X1(t-1) 会增加 2 个单位的 Y。但是，在网上查阅并参考相关教科书后，我意识到我在解释方面犯了错误。
我如何解释与基本事实一致的模型？到目前为止我建立的模型的预测效果是可以接受的。