我有一个多元时间序列数据集，包括相互作用的生物和环境变量（可能还有一些外生变量）。除了季节性，数据中没有明显的长期趋势。我的目的是查看哪些变量相互关联。预测并不是真正需要的。

作为时间序列分析的新手，我阅读了几篇参考文献。据我所知，向量自回归 (VAR) 模型是合适的，但我对季节性感到不舒服，而且我发现的大多数例子都与经济学领域有关（通常是时间序列分析......）没有季节性。

我应该如何处理我的季节性数据？我考虑过去季节化它们——例如在 R 中，我会使用decompose然后使用这些$trend + $rand值来获得一个看起来非常平稳的信号（根据 判断acf）。VAR 模型的结果让我感到困惑（选择了 1 滞后模型，而我直觉上会期望更多，并且只有自回归的系数 - 而不是与其他滞后变量的回归 - 是显着的）。我是否做错了什么，或者我应该得出结论认为我的变量不是（线性）相关/我的模型不是好的模型（辅助问题：是否存在与 VAR 等效的非线性？）。

[或者，我读到我可能可以使用虚拟季节性变量，尽管我无法确切地弄清楚如何实现它]。

一步一步的建议将不胜感激，因为有经验的用户的详细信息实际上可能对我有用（当然，非常欢迎 R 代码片段或指向具体示例的链接）。