Model wektorowej autoregresji (ang. Vector autoregression modelWitkowska D., Matuszewska-Janicka A., Kompa K., Wprowadzenie do ekonometrii dynamicznej i finansowej, Wydawnictwo SGGW, Warszawa 2012, s. 140., VAR) podobnie jak w przypadku modeli AR nie posiada podziału na zmienne egzogeniczne oraz endogeniczne. Dzieje się tak, gdyż każda zmienna uwzględniona w modelu ma wpływ na pozostałe zmienne, a proces modelowania dotyczy każdej zmiennej. Dzięki tej zależności można w lepszym stopniu modelować badane zjawisko. W każdym procesie zachodzącym w ekonomii występują zależności sprzężone, ich istnienie pozwala uwzględnić modele VAR. Inną cechą odróżniającą modele VAR od zwykłych modeli strukturalnych to fakt, iż na parametry modelu nie ma nałożonych restrykcji zerowych.
Ważnym aspektem, o którym należy pamiętać przy modelowaniu z wykorzystaniem modeli VAR to fakt, że do analizy należy wziąć tylko zmienne stacjonarne. W przypadku, gdy zmienne są niestacjonarne mamy dwa wyjścia. Pierwszym jest odpowiednia transformacja zmiennych, czyli standaryzacja, normalizacja czy przejście na przyrosty. Drugim rozwiązaniem jest analiza tego zagadnienia z wykorzystaniem modeli VECM.