模型建立——时间序列 eviews协整检验(EG两步法(Engle-Granger))
1.首先,需要两列时间序列数据,将他们命名为future4,future5,存入eviews。
2.对两组数据取对数,得新的数据:P4=log(future4),P5=log(future5)。可在eviews中点击Genr输入p4=log(future4)可自动产生对数数列。
为何取对数?:可以部分消除异方差的问题,另外,其差分可以表示发展速度的对数,也可以消除序列相关的问题.有时候要看经济意义!取对数也可减少数据的波动,在高频数据中尤是。变量取对数是为了消除异方差,系数也是弹性系数,主要是为了消除金融时间序列的异方差现象,可以将可能的非线性关系转化为线性关系,减少变量的极端值、非正态分布以及异方差性。
针对上面提到的非线性关系转化为线性关系,做进一步的解释:经济序列通常做对数化处理,因为log有很多优良特性。如取对数,很容易操作,正如上面所说,输入log(x)就可以产生原数列相应的对数数列。还有一些关系式如log(a*b)=log(a)+log(b),log(a^2)=2*log(a),这种特性可以很容易的把函数之间的关系线性化。加上log,常可以使得经济数列变得更容易处理。)
3.对两个时间序列分别做ADF检验。
1.eviews中选取时间序列P4,右键=》open。在新的窗口中点击 view=》unit root test。
2.ADF检验需要对3个模型依次检验,所以在unit root test窗口中先①选:level、trend and
模型建立——时间序列 eviews协整检验(EG两步法(Engle-Granger))
intercept。然后确认=》得到
第一行是所得t值,下面3行是临界值。t=-2.0665>临界值,因此非平稳。因此要继续检验②:level、intercept,假设还是非平稳。继续检验③:level none。假设还是非平稳,则做一阶差分,即将level换成1st difference,将之前①②③从新来过,一旦t<临界值就可以停止了。若level时,t值均大于临界值,则为非平稳序列。若1st difference的一阶差分时,变为平稳的,就是1阶单整,记为I(1),依次类推。
4.协整检验
得出两个相同的单整时间序列,P5 说明两时间序列存在接下来存在协整的可能。否则就不可能协整。
下面采用EG(Engle-Granger)两步法进行协整检验:
EG两步法,分两步。第一步,计算非均衡误差et,第二步,检验单整性。et为稳定序列则为协整。
操作:选取P4 ,P5 然后右键=》open=》as group。新窗口中点击proc=》make equation=》确定。得到等式。然后在新窗口中点击proc=》make residual series=》ok。从而得到残差项时间序列et。接着对该序列进行adf检验(如上所述)。若残差项平稳,则存在(1,1)阶协整。如果et为1阶单整,则变量Y,X为(2,1)阶协整。
2012年4月13日补充:需要注意的是:这里的DF或ADF检验是针对协整计算的残差项而非真正的非均衡误差,因此拒绝零假设的机会比实际情形大,所以临界值并非EVIEWS自带的参考值。参考临界值如下:
模型建立——时间序列 eviews协整检验(EG两步法(Engle-Granger))
另外,本文参照了高等教育出版社《计量经济学》文中并未提到EG两步法的第二步何时不存在协整。因此建议,可以采用jj检验,也就是在数据open as group后点击view==》点击cointegration test将直接显示协整检验的结果。图片如下,可以看到,红线处指出,是否存在协整关系。系数大小等信息都会在结果中显示出来。
模型建立——时间序列 eviews协整检验(EG两步法(Engle-Granger))
协整关系存在后,就可以建立误差修正模型(ECM)了。
为什么呢?因为Engle和Granger 1987年提出Granger表述定理:如果变量X与Y是协整的,他们之间的短期非均衡关系总能由一个误差修正模型表述。数据分析培训
但是多元的如何,这里还未了解。
回归模型中对变量取对数的作用是什么
问题是:在Include in test equation中,是否含有常数项、常数和趋势项、或二者都不包含,我应该选哪个?
回答说:
序列有非0均值,但没有时间趋势,选常数项;
序列随时间变化有上升或下降趋势,选常数和趋势项‘
序列在0均值上下波动,选二者都不包含。
————————————————————————————————
另外,个人现有一点不明,即ADF检验时,unit root test中,lag length这里应该怎么选,原因是什么?来龙去脉还未了解。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12