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，它是由单变量自回归模型推广到多维的模型。VAR模型引入经济学中，推动了经济系统动态性分析的广泛应用，常用于分析相互联系的时间序列间的动态交互影响和随机扰动项对变量系统的动态冲击，从而解释各种经济冲击对经济变量造成的影响。本文结合计量经济学的相关理论，将统计学中的因子分析方法与VAR模型相融合，克服了VAR模型建立过程中变量不能过多、变量间存在多重共线性的缺陷。依赖于实际数据，表明在从许多宏观经济变量提取相关信息方面该方法是相对成功的。还研究了VAR模型的随机扰动项，分析了不同类型的随机扰动项的构成及其对VAR模型被解释变量的影响效应，通过脉冲响应分析了解释变量和被解释变量受到某种冲击时的动态相互作用机理，在陕西省就业问题的相关数据上进行了合理性验证，定义了就业效应指标来衡量陕西省就业政策对就业的影响。论文基于前面的研究工作，融合因果关系理论和BP神经网络，建立了时间序列预测模型。实现了通过对输入变量的有效控制达到对输出变量的有效控制及预测。在陕西省就业总量的预测问题上验证了该模型的适用性。最后本文探讨了随机扰动项的数学表达问题、因果关系和BP神经网络的整合模型的进一步的改进与优化问题。本研究得到西安建筑科技大学重大科技成果创新基金项目(ZC1101)的资助。