协整检验_ 协整检验eviews操作_协整检验的目的
关键词：协整检验结果怎么看,eviews协整检验
- 请问计量高手, 在对两个时间序列进行协整检验时，首先是检验两序列的平稳性，如果是同阶的，就可以用OLS进行回归，然后再检验残差的平稳性，我想请教的问题是：在对两变量进行OLS回归时，要不要考虑残差的异方差性。另外，在检验残差的平稳性时，是否就不要检验残差的序列相关性？
- 什么是平稳性，什么是序列相关性，两者关系如何？
- 平衡性指的是：如果一个时间序列的均值是常数，方差是常数，不同观测值之间的协方差仅仅依赖于观测值之间的滞后阶数，那么就可以说此时间序列是平衡的。而残差的序列相关，我的理解就是残差间的自相关，在通常的OLS模型中，通常要求考虑三个方面：异方差性，自相关，多重共线性。 所以我不懂的是：在做协整检验时，残差的自相关问题是否也要考虑，如果考虑，是否也能用检验普通模型的方法进行处理？
- 那协整的内涵是什么呢？平稳性在协整中含义又是什么？如果残差是一个平稳序列但有序列相关性，这能说明什么呢？
- 请问高按照协整理论，如果对于两个不同阶的变量进行回归，得到的可能是虚假回归。协整理论认为只有两个(或多个)同阶单整的变量才可能存在长期稳定的某种关系即协整关系。手若两个变量不是同阶的，是否意味着这两个变量不能回归，若想做回归应怎样处理？还有怎样找到月度和季度数据资料？
- 你当然可以考虑异方差性，这个在EVIEWS中是很简单的，只要点一个鼠标就能做到啦。
- 在古扎拉蒂的书上，他对序列相关和自相关并没有区别。他的意思就是残差间是否存在相关关系。真的希望高手能告知我在对两变量求协整关系时，需不需要考虑残差的相关问题。 cov(ui,uj)是否必须保证等于零？
- 协整关系指的是长期稳定关系.
- SPSS 能进行，协整检验，df,adf检验吗？各位高手，不知在SPSS中怎么用？？他们的怎么判定？？比如用看t或其他值？？还有怎么消除呢？EVIEWS是AR(n)???还有EVIEWS中有因果分析是不是和spss中的person一样？？在SPSS中怎么因果分析？？那位高手知道spss中的应用方法？
- 序列相关和自相关应该是有区别的，自相关可能指序列相关在时间序列下的情景。
- 在做检验残差的平稳性之前要先保证残差的无序列相关性.你可以给残差项加一个AR项就可以去除序列相关性.
- 我做了几个练习，发现如果消除了序列相关问题后，再来检验残差时，残差都变平稳了。我也不知道在检验残差的平稳前是否需要序列相关处理。有没有理论依据来说明这个问题。否则不同的处理方式导致不同的结果。
- 我刚看到一篇做实证的文章，他检验协整模型的时候检验了序列相关，异方差，用检验多重共线形的方法选择自回归阶数。明这个问题。否则不同的处理方式导致不同的结果。
- 我理解的序列相关是针对横截面数据而言的，自相关是针对时间序列数据而言的
在两个变量的这种简单情况下，按照你的方法，在进行cointegartion检验时，对残差的平稳性检验，就是检验残差是否是I(0)。就是应用df或adf检验。在进行OLS中你如何考虑残差的异方差呢？不可能的。在逻辑上，你要首先考虑残差的异方差性，你必须要知道残差的性质，而在cointegartion中，你想要得到的是残差的性质即是不是平稳的。
平稳性是指时间序列是否为I（0）
的adf检验就是为了消除或减少时间序列的自相关而发展起来的
这里有篇解释还挺详细，可以看看
单位根检验、协整检验和格兰杰因果关系检验三者之间的关系
实证检验步骤：先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行Granger因果检验，检验变量之间“谁引起谁变化”，即因果关系。
一、讨论一
1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。
2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。
3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验
A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性
B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）
4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别
二、讨论二
1、格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。
2、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。
3、平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。2）协整检验中要用到每个序列的单整阶数。3）判断时间学列的数据生成过程。
三、讨论三
其实很多人存在误解。有如下几点，需要澄清：
第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。
第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行格兰杰因果检验，这是错误的。
第三，协整结果仅表示变量间存在长期均衡关系，那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以，首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后，进行协整，看变量是否存在长期均衡。
第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。
转载请注明：数据分析 » 协整检验_ 协整检验eviews操作_协整检验的目的
