【正文】 變量進(jìn)行差分，平穩(wěn)后，可以用差分項(xiàng)進(jìn)行格蘭杰因果檢驗(yàn)，來判定變量變化的先后時(shí)序，之后，進(jìn)行協(xié)整，看變量是否存在長(zhǎng)期均衡。這種平穩(wěn)的線性組合被稱為協(xié)整方程且可被解釋為變量之間的長(zhǎng)期均衡關(guān)系。先做單位根檢驗(yàn)，看變量序列是否平穩(wěn)序列，若平穩(wěn)，可構(gòu)造回歸模型等經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型；若非平穩(wěn)，進(jìn)行差分，當(dāng)進(jìn)行到第i次差分時(shí)序列平穩(wěn)，則服從i階單整（注意趨勢(shì)、截距不同情況選擇，根據(jù)P值和原假設(shè)判定）。 ，或是說單整階數(shù)。順序一般是單位根檢驗(yàn)，通過后如果同階單整，在進(jìn)行協(xié)整，然后在進(jìn)行因果檢驗(yàn)。 （1）如檢驗(yàn)不協(xié)整，說明沒長(zhǎng)期穩(wěn)定關(guān)系，可以做VAR模型，但是模型建立后要做 穩(wěn)定性分析：做AR根的圖表分析，如所有單位根小于1，說明VAR模型定，滿足脈沖分析及方差分解所需條件之一 模型的因果關(guān)系檢驗(yàn) 2 不過注意在做因果檢驗(yàn)前要先確定滯后長(zhǎng)度，方法見高鐵梅 計(jì)量分析方法與建模 第2版 P302 只有滿足因果關(guān)系，加上滿足條件一：穩(wěn)定性，則可進(jìn)行脈沖及方差分解 如不滿足因果關(guān)系，則所有不滿足因果關(guān)系的變量將視為外生變量，至此要重新構(gòu)建VAR模型，新的VAR模型將要引入外生變量的VAR模型 （2）VAR與VEC關(guān)系是：VEC是有協(xié)整約束（即有長(zhǎng)期穩(wěn)定關(guān)系）的VAR模型，多用于具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列建模 高鐵梅 計(jì)理分析方法與建模 第2版 P295 15．簡(jiǎn)單說VAR模型建立時(shí) 第一步：不問序列如何均可建立初步的VAR模型（建立過程中數(shù)據(jù)可能前平穩(wěn)序列，也可能是部分平穩(wěn)，還可能是沒協(xié)整關(guān)系的同階不平穩(wěn)序列，也可能是不同階的不平穩(wěn)序列，滯后階數(shù)任意指定。 應(yīng)用可參考文獻(xiàn)：常海濱、徐成賢：我國(guó)貨幣政策傳導(dǎo)機(jī)制區(qū)域差異的實(shí)證分析，經(jīng)濟(jì)科學(xué)，2007年第5期 對(duì)于非穩(wěn)定時(shí)間序列，可通過差分的方法將其化為穩(wěn)定序列，然后才可建立經(jīng)典的回歸分析模型 如：建立人均消費(fèi)水平（Y）與人均可支配收入（X）之間的回歸模型： Yt = α0 + α1Xt + μt這與大多數(shù)具有靜態(tài)均衡的經(jīng)濟(jì)理論假說不相符。 （**）式表明：Y的變化決定于X的變化以及前一時(shí)期的非均衡程度。需要注意的是：在實(shí)際分析中，變量常以對(duì)數(shù)的形式出現(xiàn)。 因此，一個(gè)重要的問題就是：是否變量間的關(guān)系都可以通過誤差修正模型來表述？ 就此問題，Engle 與 Granger 1987年提出了著名的Grange表述定理（Granger representaion theorem）： 如果變量X與Y是協(xié)整的，則它們間的短期非均衡關(guān)系總能由一個(gè)誤差修正模型表述： ΔYt = lagged(ΔY,ΔX) ? λμt ? 1 + εt 8 m Y p b0 T 式中，μt ? 1是非均衡誤差項(xiàng)或者說成是長(zhǎng)期均衡偏差項(xiàng)， λ是短期調(diào)整參數(shù)。（3）直接估計(jì)法 也可以采用打開誤差修整模型中非均衡誤差項(xiàng)括號(hào)的方法直接用OLS法估計(jì)模型。而對(duì)于全國(guó)范圍內(nèi)的估計(jì)來說,由于橫截面?zhèn)€數(shù)大于時(shí)序個(gè)數(shù),所以采用截面加權(quán)估計(jì)法(Cross SectionWeights, CSW) 。面板數(shù)據(jù)單位根的檢驗(yàn)主要有Levin、Lin 和Chu 方法(LLC 檢驗(yàn)) (1992 ,1993 ,2002) 、Im、Pesaran 和Shin 方法( IPS 檢驗(yàn)) (1995 ,1997) 、Maddala 和Wu 方法(MW檢驗(yàn)) (1999) 等。*一般的順序是：先檢驗(yàn)變量的平穩(wěn)性,當(dāng)變量均為同階單整變量時(shí),再采用協(xié)整檢驗(yàn)以判別變量間是否存在長(zhǎng)期均衡關(guān)系。關(guān)于面板數(shù)據(jù)模型選擇回歸與檢驗(yàn)流程圖 五、估計(jì)經(jīng)濟(jì)計(jì)量模型參數(shù)。 六、檢驗(yàn)?zāi)Ｐ偷倪m用性。（5）兩個(gè)誤差項(xiàng)之間不自相關(guān)，即無自相關(guān)。沒有其他估計(jì)量方差比他小。假設(shè)檢驗(yàn)中容易犯兩種錯(cuò)誤：第一類錯(cuò)誤（拒絕一個(gè)真實(shí)的H0，發(fā)生的概率是a）和第二類錯(cuò)誤（實(shí)際是錯(cuò)誤的，但我們并沒有拒絕）。 ：R^2很高，但單個(gè)系數(shù)確有較大的標(biāo)準(zhǔn)差。補(bǔ)救：加權(quán)處理（誤差方差與誰成比例）。 異方差檢驗(yàn)（截面數(shù)據(jù)）：后果：無偏估計(jì)量中不再有最小方差。 假設(shè)檢驗(yàn)（判定回歸系數(shù)是否是統(tǒng)計(jì)顯著的，即是否顯著不為零）。平均值等于真實(shí)值。（3）給定xi，擾動(dòng)項(xiàng)的均值為零。用計(jì)量模型分析問題的步驟(20110421 21:09:11) 轉(zhuǎn)載標(biāo)簽： 最小二乘法估計(jì)量變量隨機(jī)誤差經(jīng)濟(jì)計(jì)量分類： 產(chǎn)經(jīng)知識(shí) 平穩(wěn)？（單位根檢驗(yàn)） (3)Larsson et a(l2001)發(fā)展了基于Johansen(1995)向量自回歸的似然檢驗(yàn)的面板協(xié)整檢驗(yàn)方法。但對(duì)于面板數(shù)據(jù)則較少關(guān)注。 這是我在查閱各種資料后得出的關(guān)于面板數(shù)據(jù)的總結(jié)，最近在做面板的實(shí)證論文，所以需要這個(gè)，歡迎大家繼續(xù)擴(kuò)充，只要是關(guān)于面板的都行，關(guān)于具體如何在Eviews6中實(shí)現(xiàn)的更好，不甚感激。需要注意的是：在進(jìn)行變量間的協(xié)整檢驗(yàn)時(shí)，如有必要可在協(xié)整回歸式中加入趨勢(shì)項(xiàng)，這時(shí)，對(duì)殘差項(xiàng)的穩(wěn)定性檢驗(yàn)就無須再設(shè)趨勢(shì)項(xiàng)。3?？梢該?jù)此分析ecm的修正作用：(1)若(t1)時(shí)刻Y大于其長(zhǎng)期均衡解α0 + α1X，ecm為正，則(λecm)為負(fù)，使得ΔYt減少；(2)若(t1)時(shí)刻Y小于其長(zhǎng)期均衡解α0 + α1X，ecm為負(fù)，則(λecm)為正，使得ΔYt增大。對(duì)上述分布滯后模型適當(dāng)變形得： (**) , 式中，λ = 1 例如，使用ΔY1 = ΔXt + vt 回歸時(shí)，很少出現(xiàn)截距項(xiàng)顯著為零的情況，即我們常常會(huì)得到如下形式的方程： 式中， （*） 在X保持不變時(shí)，如果模型存在靜態(tài)均衡（static equilibrium），Y也會(huì)保持它的長(zhǎng)期均衡值不變。理論上，誤差修正項(xiàng)應(yīng)為負(fù)值，表示當(dāng)失衡時(shí)，時(shí)間序列應(yīng)收斂并回歸長(zhǎng)期均衡，絕對(duì)值越大則隊(duì)本期誤差修正作用與越強(qiáng)。 ，往下看，有個(gè)標(biāo)準(zhǔn)化的結(jié)果，這個(gè)結(jié)果就是協(xié)整方程，由于在結(jié)果中各變量均在方程一側(cè)，因此如果系數(shù)為正，則說明是負(fù)向關(guān)系，反之亦然。故順序自然是先做單位根檢驗(yàn)，再過協(xié)整檢驗(yàn)，最后是格蘭杰因果檢驗(yàn)。 第四，長(zhǎng)期均衡并不意味著分析的結(jié)束，還應(yīng)考慮短期波動(dòng)，要做誤差修正檢驗(yàn)。3）判斷時(shí)間學(xué)列的數(shù)據(jù)生成過程。當(dāng)檢驗(yàn)的數(shù)據(jù)是非平穩(wěn)（即存在單位根），并且各個(gè)序列是同階單整（協(xié)整檢驗(yàn)的前提），想進(jìn)一步確定變量之間是否存在協(xié)整關(guān)系，可以進(jìn)行協(xié)整檢驗(yàn)，協(xié)整檢驗(yàn)主要有EG兩步法和JJ檢驗(yàn)A、EG兩步法是基于回歸殘差的檢驗(yàn)，可以通過建立OLS模型檢驗(yàn)其殘差平穩(wěn)性B、JJ檢驗(yàn)是基于回歸系數(shù)的檢驗(yàn)，前提是建立VAR模型（即模型符合ADL模式）Engle和Granger（1987a）指出兩個(gè)或多個(gè)非平穩(wěn)時(shí)間序列的線性組合可能是平穩(wěn)的。有如下幾點(diǎn)，需要澄清： (1)格蘭杰因果檢驗(yàn)是檢驗(yàn)統(tǒng)計(jì)上的時(shí)間先后順序，并不表示而這真正存在因果關(guān)系，是否呈因果關(guān)系需要根據(jù)理論、經(jīng)驗(yàn)和模型來判定。 （即不存在單位根），要想進(jìn)一步考察變量的因果聯(lián)系，可以采用格蘭杰因果檢驗(yàn)，但要做格蘭杰檢驗(yàn)的前提是數(shù)據(jù)必須是平穩(wěn)的，否則不能做。用EViwes可以估計(jì)固定效應(yīng)模型（包括個(gè)體固定效應(yīng)模型、時(shí)刻固定效應(yīng)模型和時(shí)刻個(gè)體固定效應(yīng)模型3種）、隨機(jī)效應(yīng)模型、帶有AR(1)參數(shù)的模型、截面不同回歸系數(shù)也不同的面板數(shù)據(jù)模型。其中Hadri檢驗(yàn)的原假設(shè)為面板數(shù)據(jù)不存在單位根，而其它四種檢驗(yàn)的原假設(shè)為含有單位根。 假定固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，而且對(duì)均值的離差分別是ui和vt，固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。 eit = ui + vt + wit 其中ui ~N(0, su2)表示截面隨機(jī)誤差分量；vt ~N(0, sv2)表示時(shí)間隨機(jī)誤差分量；wit ~N(0, sw2)表示混和隨機(jī)誤差分量。如果確知對(duì)于不同的截面、不同的時(shí)間序列（個(gè)體）模型的截距都顯著地不相同，那么應(yīng)該建立時(shí)刻個(gè)體效應(yīng)模型。注意：個(gè)體固定效應(yīng)模型的EViwes輸出結(jié)果中沒有公共截距項(xiàng)。此時(shí)，對(duì)所有橫截面數(shù)據(jù)而言，截距應(yīng)是相同的。例如19902000 年30 個(gè)省份的農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)。這就是截面數(shù)據(jù)，在一個(gè)時(shí)間點(diǎn)處切開，看各個(gè)城市的不同就是截面數(shù)據(jù)。如果固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，并且這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，則固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。情況二：如果如果基于單位根檢驗(yàn)的結(jié)果發(fā)現(xiàn)變量之間是非同階單整的，即面板數(shù)據(jù)中有些序列平穩(wěn)而有些序列不平穩(wěn)，此時(shí)不能進(jìn)行協(xié)整檢驗(yàn)與直接對(duì)原序列進(jìn)行回歸。考慮最簡(jiǎn)單的形式，Granger檢驗(yàn)是運(yùn)用F統(tǒng)計(jì)量來檢驗(yàn)X的滯后值是否顯著影響Y（在統(tǒng)計(jì)的意義下，且已經(jīng)綜合考慮了Y的滯后值；如果影響不顯著，那么稱X不是Y的“Granger原因”（Granger cause）；如果影響顯著，那么稱X是Y的“Granger原因”。(3)Larsson et al(2001)發(fā)展了基于Johansen(1995)向量自回歸的似然檢驗(yàn)的面板協(xié)整檢驗(yàn)方法，這種檢驗(yàn)的方法是檢驗(yàn)變量存在共同的協(xié)整的秩。但也有如下的寬限說法：如果變量個(gè)數(shù)多于兩個(gè)，即解釋變量個(gè)數(shù)多于一個(gè)，被解釋變量的單整階數(shù)不能高于任何一個(gè)解釋變量的單整階數(shù)。 Chu t* 統(tǒng)計(jì)量、Breitung t統(tǒng)計(jì)量的原假設(shè)為存在普通的單位根過程，lm Pesaran amp。 因此為了避免偽回歸，確保估計(jì)結(jié)果的有效性，我們必須對(duì)各面板序列的平穩(wěn)性進(jìn)行檢驗(yàn)。這種模型的特殊性在于被解釋變量的動(dòng)態(tài)滯后項(xiàng)與隨機(jī)誤差組成部分中的個(gè)體效應(yīng)相關(guān)，從而造成估計(jì)的內(nèi)生性。自20世紀(jì)