向量自回归(VAR)模型是多元时间序列中应用比较广泛的模型之一，它是单变量自回归模型的多维推广模型，最初由Litterman、Sargent和Sims等人在20世纪80年代初提出来的，主要用于替代联立方程结构模型，提高预测的准确性。若在预测过程中增加一定的条件，即条件预测，能够进一步提高预测精度。本文将运用条件预测对时间序列中缺失值进行估计，得到了比较合理的的估计结果。 具体来说，本文的主要研究内容包括以下几方面内容： 首先，介绍了平稳时间序列的概念以及三类基本的平稳时间序列模型，讨论了平稳时间序列检验的一个重要的方法-ADF单位根检验法。 第二，介绍了VAR模型的表示形式，讨论了两种参数估计方法，即极大似然估计与Bayesian估计。Bayesian估计主要运用于模型变量较多或滞后阶数较大时，即参数数量较多时。 第三，讨论了VAR模型的两个重要应用：预测与Granger因果关系检验。模型预测主要讨论了条件预测，即以已知变量为条件对未知变量进行预测。 第四，对苏通大桥江面风速以及常熟、海门、南通三个气象观测站风速建立向量自回归(VAR)模型，进行Granger因果关系分析，由于四者之间存在较强的Granger因果关系，因此用三个观测站的风速数据对苏通大桥江面风速的条件预测对其缺失数据进行估计，得到了比较好的估计结果。