严格来说，VAR 没有“解释性”变量——一切都被假定为内生的。在 VAR 中，多元因变量的时间序列被假定为可根据其联合过去、向后一定数量的时间步长（“滞后”）进行预测。相比之下，VARX 是当 VAR 模型还具有解释变量的时间序列时的样子。与多元 Y 平行运行的 X 系列通常只是假设为外生的。

与 VARX 模型一样，MANOVA 具有多元因变量以及假定为外生的解释变量。但是，在 Y 变量之间没有假设时间序列结构，因此模型中没有滞后项。

MANOVA 不一定总是应用于实验数据，尽管它经常是，这使得 X 的外生性假设是合理的。在下面，它只是一个具有多元因变量的线性回归模型。同样，在下面，VAR 是一个多元回归系统，根据其过去和因变量其他部分的过去来预测因变量的一部分的存在。

这导致实践中的第二个差异。VAR 模型通常假设因变量的对角协方差，这意味着模型分解为一个单独可估计的线性回归序列，一个用于因变量的每个部分。当因变量的元素之间存在无法用外生因素或过去解释的同时期相关性时，通常应用多元方差分析。

Lütkepohl (2005)是一个标准的（更新的）工作 VAR 和相关的时间序列模型。

我喜欢这样思考差异：

VAR 是一个回归系统，具有滞后因变量和随时间观察到的一些其他自变量（观察数据）。

MANOVA 是 ANOVA 的高级版本，其中测量了多个响应（实验数据）。

两者的响应或因变量都不是单变量的。它是因变量的向量。