育才学习网1.Eviews怎么做协整检验
原发布者：刺客mc1
四.协整检验的相关应用一.基本思想及注意要点、适用条件1.基本思想尽管一些变量是非平稳的而且是同阶单整的（比如，同为I(1)与I(2)），但有时如果我们对它们之间的关系进行长期观察，会发现它们之间是存在着某种内在的联系的，即它们之间从长期看存在着稳定的均衡关系。比如，两个醉汉，同时从某一个平行的地点出发，尽管如果你单独观察某一个醉汉，会发现它们的走路并无明显的规律可循，而且，随着时间的延长，有偏离其走路均值的幅度越来越大的特点（非平稳），但如果你事前在他们腰间拴一条绳子，而且他们波动的趋势恰好相反，那么，你会发现，从长期来看，他们所走过路，是相对具有某种稳定的关系的，我们通常称这种观察到的现象为所谓的协整关系。也可想一下“一条绳子上拴两个蚂蚱”。2.注意要点（1）协整一定是针对于同阶单整的，即两个或多个变量之间一定是同样一个I(n)过程，即大家都必须是经相同阶的差分后才会平稳。直观的，如果将平稳时间序列数据看作是“正常人”，非平稳时间序列数据看作是“醉汉”，那么，只有“醉汉”之间才可能存在协整关系，而且只有“醉”的程度是一样的，才可能存在协整关系。故要利用协整技术，前提条件就是先判断，你的变量序列是不是“醉汉”。拴一条绳子在两个“醉汉”之间，在数学上可类比于线性组合。（2）如果存在协整关系，那么表明你在假定模型的时候，认为两个或多个变量之间的关系不是单向的。协整只表明所观察的两个或几个变量之
2.协整检验、格兰杰因果检验怎么做啊,急求
平稳性检验就是单位根检验
先来看一下序列X是否平稳
Null Hypothesis: X has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=2)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 9.533462 1.0000
Test critical values: 1% level -2.792154
5% level -1.977738
10% level -1.602074
原假设是存在单位根，序列是不平稳的。看是我们看ADF统计量值9.53，比10%水平下的值都要大，所以是接受原假设的，所以序列X是不平稳的。
再来看序列Y
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 3.826736 0.9990
Test critical values: 1% level -2.847250
5% level -1.988198
10% level -1.600140
同X一样，序列Y也是非平稳的。
协整检验就有点麻烦，先要对X和Y做差分，我这里是做了二阶差分才发现X,Y是平稳的，二阶差分后的序列定义为iix和iiy
对x和y序列做普通最小二乘回归
ls y c x
然后对残差序列做单位根检验
Null Hypothesis: E has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=2)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.236694 0.1853
Test critical values: 1% level -2.792154
5% level -1.977738
10% level -1.602074
可以看出，检验统计量-1.24大于10%水平下的-1.6，可以认为残差序列为非平稳序列，所以x和y不具有协整关系。
最后来看格兰杰因果检验
Pairwise Granger Causality Tests
Date: 06/06/12 Time: 09:20
Sample: 1999 2010
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
Y does not Granger Cause X 10 0.60844 0.5801
X does not Granger Cause Y 0.83118 0.4879
可以看出F统计量是不显著的，X、Y不存在格兰杰成因。
3.什么是协整检验
在目前宏观经济计量分析中，Granger(1987)所提出的协整方法已成为了分析非平稳经济变量之间数量关系的最主要工具之一，且通过线性误差修正模型（ECM）刻画了经济变量之间的线性调整机制，这就是所谓的线性协整方法。近年来，随着经济理论的发展，尤其是交易成本和政策反应的经济分析中，传统的线性协整分析已不再是合适的分析方法，鉴于此Balk和Fomby(1997)提出了所谓的阈值协整（Threshold Cointegraion）方法，它刻画了经济变量之间的非线性调整机制。如在股票交易过程中，由于交易费用、交易政策等因素会导致股价的非对称调整；国家的货币政策由于制度方面的原因也会对通货膨胀率产生非对称调整行为。因此阈值协整方法论是分析这类经济问题的最有力的工具之一。阈值协整是对Granger(1987)提出的用来描述经济变量之间长期关系的协整概念的至关重要发展。众所周知，协整是指如果经济变量之间存在长期协整关系，且正则化协整向量是（1，-β′），则之间的长期均衡关系可以表示为：
其中：β参数是变量之间的协整系数向量，γ是阈值变量，d是转换变量，d是滞后参数，则这种协整称之为阈值协整。如果协整误差项是形如式（2）的数据生成机制，则称为Two-Regime的阈值协整；如果是形如式（3）的误差生成机制，则称为Three-Regime的阈值协整。在以前的研究中，对于式（2）和式（3）所表示的阈值协整，大多研究都集中在ρ、q、θ、λ四个参数都小于1的情形，而对其它情形研究较少（Enders和Granger(1998)[3]）。本文主要研究如下情形，即：
此时式（2）和式（3）所表示的阈值协整即所谓的部分协整（Partial Cointegration）。针对部分协整检验，caner和Hansen(2001)提出一个统计量，且Gouveia和Rodrigues(2004)将该统计量应用阈值协整检验，但是他们并没有对该统计量的检验势进行研究。而在我们以前的研究中发现：该统计量在检验阈值协整时具有低势。
4.用eviews做协整检验,如何得出协整方程
首先判断协整检验的结果，根据迹检验（图1-上个表格）、最大特征值检验（图1-下个表格），可以判断得出存在2个协整方程，上面也输出了结果：indicate 2 ces.主要可以根据统计量后面的p值进行判断，p
在宏观经济计量分析中，Granger(1987)所提出的协整方法已成为了分析非平稳经济变量之间数量关系的最主要工具之一，且通过线性误差修正模型（ECM）刻画了经济变量之间的线性调整机制，这就是所谓的线性协整方法。随着经济理论的发展，尤其是交易成本和政策反应的经济分析中。
协整即存在共同的随机性趋势。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系，伪回归的一种特殊情况即是两个时间序列的趋势成分相同，此时可能利用这种共同趋势修正回归使之可靠。正是由于协整传递出了一种长期均衡关系，若是能在看来具有单独随机性趋势的几个变数之间找到一种可靠联系。
在进行时间系列分析时，传统上要求所用的时间系列必须是平稳的，即没有随机趋势或确定趋势，否则会产生“伪回归”问题。但是，在现实经济中的时间系列通常是非平稳的，我们可以对它进行差分把它变平稳，但这样会让我们失去总量的长期信息，而这些信息对分析问题来说又是必要的，所以用协整来解决此问题。
5.如何使用eviews进行协整检验
单位根检验，打开单独的数据列，比如出口，点击view-unit root test，先做level，你先看一下，下面是不是你要的结果 Null Hypothesis: CK1 has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=2) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.348387 0.0080 Test critical values: 1% level -4.200056 5% level -3.175352 10% level -2.728985 *MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 11 Augmented Dickey-Fuller Test Equation Dependent Variable: D(CK1) Method: Least Squares Date: 05/03/11 Time: 15:57 Sample (adjusted): 1999 2009 Included observations: 11 after adjustments Variable Coefficient Std. Error t-Statistic Prob. CK1(-1) -0.702325 0.161514 -4.348387 0.0025 D(CK1(-1)) 3.525136 0.783885 4.497009 0.0020 C 1153.578 425.1752 2.713182 0.0265 R-squared 0.718296 Mean dependent var 927.5455 Adjusted R-squared 0.647870 S.D. dependent var 1351.006 S.E. of regression 801.6940 Akaike info criterion 16.43833 Sum squared resid 5141706. Schwarz criterion 16.54685 Log likelihood -87.41082 F-statistic 10.19932 Durbin-Watson stat 2.121564 Prob(F-statistic) 0.006298。
转载请注明出处育才学习网 » 协整检验协整式怎么写