【正文】 er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”。引用張曉峒的原話，“如果y和x不同階，不能做格蘭杰因果檢驗(yàn)，但可通過差分序列或其他處理得到同階單整序列，并且要看它們此時有無經(jīng)濟(jì)意義。 這時，我們或許還想進(jìn)一步對面板數(shù)據(jù)做格蘭杰因果檢驗(yàn)（因果檢驗(yàn)的前提是變量協(xié)整）。 通過了協(xié)整檢驗(yàn)，說明變量之間存在著長期穩(wěn)定的均衡關(guān)系，其方程回歸殘差是平穩(wěn)的。(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。(2)Pedron(1999)在零假設(shè)是在動態(tài)多元面板回歸中沒有協(xié)整關(guān)系的條件下給出了七種基于殘差的面板協(xié)整檢驗(yàn)方法。而相對處于最高階序列，由于其波動較大，對回歸殘差的平穩(wěn)性帶來極大的影響，所以如果協(xié)整是包含有某些高階單整序列的話（但如果所有變量都是階數(shù)相同的高階，此時也被稱作同階單整，這樣的話另當(dāng)別論），一定不能將其納入?yún)f(xié)整檢驗(yàn)。如果只含有兩個解釋變量，則兩個變量的單整階數(shù)應(yīng)該相同。但也有如下的寬限說法：如果變量個數(shù)多于兩個，即解釋變量個數(shù)多于一個，被解釋變量的單整階數(shù)不能高于任何一個解釋變量的單整階數(shù)。此時我們稱這些變量序列間有協(xié)整關(guān)系存在。協(xié)整檢驗(yàn)是考察變量間長期均衡關(guān)系的方法。我們記I(0)為零階單整，I(1)為一階單整，依次類推，I(N)為N階單整。具體操作可以參照李子奈的說法：ADF檢驗(yàn)是通過三個模型來完成，首先從含有截距和趨勢項(xiàng)的模型開始，再檢驗(yàn)只含截距項(xiàng)的模型，最后檢驗(yàn)二者都不含的模型。I代表兩項(xiàng)都含，N（none）代表兩項(xiàng)都不含，那么我們可以基于前面時序圖得出的結(jié)論，在單位根檢驗(yàn)中選擇相應(yīng)檢驗(yàn)?zāi)Ｊ?。有時，為了方便，只采用兩種面板數(shù)據(jù)單位根檢驗(yàn)方法，即相同根單位根檢驗(yàn)LLC（LevinLinChu）檢驗(yàn)和不同根單位根檢驗(yàn)FisherADF檢驗(yàn)（注：對普通序列（非面板序列）的單位根檢驗(yàn)方法則常用ADF檢驗(yàn)），如果在兩種檢驗(yàn)中均拒絕存在單位根的原假設(shè)則我們說此序列是平穩(wěn)的，反之則不平穩(wěn)。 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。 Chu t* 統(tǒng)計(jì)量、Breitung t 統(tǒng)計(jì)量、lm Pesaran amp。由上述綜述可知，可以使用LLC、IPS、Breintung、ADFFisher 和PPFisher5種方法進(jìn)行面板單位根檢驗(yàn)。Im et al. (1997) 還提出了檢驗(yàn)面板單位根的IPS 法,但Breitung(2000) 發(fā)現(xiàn)IPS 法對限定性趨勢的設(shè)定極為敏感,并提出了面板單位根檢驗(yàn)的Breitung 法。后來經(jīng)過Levin et al. (2002)的改進(jìn),提出了檢驗(yàn)面板單位根的LLC 法。首先，我們可以先對面板序列繪制時序圖，以粗略觀測時序圖中由各個觀測值描出代表變量的折線是否含有趨勢項(xiàng)和（或）截距項(xiàng)，從而為進(jìn)一步的單位根檢驗(yàn)的檢驗(yàn)?zāi)Ｊ阶鰷?zhǔn)備。 因此為了避免偽回歸，確保估計(jì)結(jié)果的有效性，我們必須對各面板序列的平穩(wěn)性進(jìn)行檢驗(yàn)。他認(rèn)為平穩(wěn)的真正含義是：一個時間序列剔除了不變的均值（可視為截距）和時間趨勢以后，剩余的序列為零均值，同方差，即白噪聲。李子奈曾指出，一些非平穩(wěn)的經(jīng)濟(jì)時間序列往往表現(xiàn)出共同的變化趨勢，而這些序列間本身不一定有直接的關(guān)聯(lián)，此時，對這些數(shù)據(jù)進(jìn)行回歸，盡管有較高的R平方，但其結(jié)果是沒有任何實(shí)際意義的。這種模型的特殊性在于被解釋變量的動態(tài)滯后項(xiàng)與隨機(jī)誤差組成部分中的個體效應(yīng)相關(guān)，從而造成估計(jì)的內(nèi)生性。同時，面板數(shù)據(jù)同時具有時間和截面空間的兩個維度，從而分享了橫截面數(shù)據(jù)和時間序列數(shù)據(jù)的優(yōu)點(diǎn)，另外，由于具有更多的觀察值，其推斷的可靠性也有所增加。面板數(shù)據(jù)越來越多地被應(yīng)用到計(jì)量模型的研究中，其在實(shí)證分析中的優(yōu)點(diǎn)是明顯的：相對于只具有一個時點(diǎn)的橫截面數(shù)據(jù)模型，面板數(shù)據(jù)包含了更多時間維度的數(shù)據(jù)，從而可以利用更多的信息來分析所研究問題的動態(tài)關(guān)系。動態(tài)面板數(shù)據(jù)分析算法1. 面板數(shù)據(jù)簡介面板數(shù)據(jù)(Panel Data, Longitudinal Data )，也稱為時間序列截面數(shù)據(jù)、混合數(shù)據(jù)，是指同一截面單元數(shù)據(jù)集上以不同時間段的重復(fù)觀測值，是同時具有時間和截面空間兩個維度的數(shù)據(jù)集合，它可以被看作是橫截面數(shù)據(jù)按時間維度堆積而成。自20世紀(jì)60年代以來，計(jì)量經(jīng)濟(jì)學(xué)家開始關(guān)注面板數(shù)據(jù)以來，特別是近20年，隨著計(jì)量經(jīng)濟(jì)學(xué)理論，統(tǒng)計(jì)方法及計(jì)量分析軟件的發(fā)展，面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)分析已經(jīng)成為計(jì)量經(jīng)濟(jì)學(xué)研究最重要的分支之一。而時間序列模型，其數(shù)據(jù)往往是由個體數(shù)據(jù)加總產(chǎn)生的，在實(shí)際計(jì)量分析中，在研究其動態(tài)調(diào)整行為時，由于個體差異被忽略，其估計(jì)結(jié)果有可能是有偏的，而面板數(shù)據(jù)模型能夠通過截距項(xiàng)，捕捉到數(shù)據(jù)的動態(tài)調(diào)整過程中的個體差異，有效地減少了由于數(shù)據(jù)加總所產(chǎn)生的偏誤。2. 面板數(shù)據(jù)的建模與檢驗(yàn)設(shè)3. 動態(tài)面板數(shù)據(jù)的建模與檢驗(yàn)所謂動態(tài)面板數(shù)據(jù)模型，是指通過在靜態(tài)面板數(shù)據(jù)模型中引入滯后被解釋變量以反映動態(tài)滯后效應(yīng)的模型。步驟詳解步驟一：分析數(shù)據(jù)的平穩(wěn)性（單位根檢驗(yàn)）按照正規(guī)程序，面板數(shù)據(jù)模型在回歸前需檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。這種情況稱為稱為虛假回歸或偽回歸（spurious regression）。因此單位根檢驗(yàn)時有三種檢驗(yàn)?zāi)Ｊ剑杭扔汹厔萦钟薪鼐?、只有截距、以上都無。而檢驗(yàn)數(shù)據(jù)平穩(wěn)性最常用的辦法就是單位根檢驗(yàn)。 單位根檢驗(yàn)方法的文獻(xiàn)綜述：在非平穩(wěn)的面板數(shù)據(jù)漸進(jìn)過程中,Levin andLin(1993) 很早就發(fā)現(xiàn)這些估計(jì)量的極限分布是高斯分布,這些結(jié)果也被應(yīng)用在有異方差的面板數(shù)據(jù)中,并建立了對面板單位根進(jìn)行檢驗(yàn)的早期版本。Levin et al. (2002) 指出,該方法允許不同截距和時間趨勢,異方差和高階序列相關(guān),適合于中等維度(時間序列介于25～250 之間,截面數(shù)介于10～250 之間) 的面板單位根檢驗(yàn)。Maddala and Wu(1999)又提出了ADFFisher和PPFisher面板單位根檢驗(yàn)方法。其中LLCT 、BRT、IPSW 、ADFFCS、PPFCS 、HZ 分別指Levin, Lin amp。 Shin W 統(tǒng)計(jì)量、ADF Fisher Chisquare統(tǒng)計(jì)量、PPFisher Chisquare統(tǒng)計(jì)量、Hadri Z統(tǒng)計(jì)量，并且Levin, Lin amp。 Shin W 統(tǒng)計(jì)量、ADF Fisher Chisquare統(tǒng)計(jì)量、PPFisher Chisquare統(tǒng)計(jì)量的原假設(shè)為存在有效的單位根過程， Hadri Z統(tǒng)計(jì)量的檢驗(yàn)原假設(shè)為不存在普通的單位根過程。如果我們以T（trend）代表序列含趨勢項(xiàng)，以I（intercept）代表序列含截距項(xiàng)，Tamp。但基于時序圖得出的結(jié)論畢竟是粗略的，嚴(yán)格來說，那些檢驗(yàn)結(jié)構(gòu)均需一一檢驗(yàn)。并且認(rèn)為，只有三個模型的檢驗(yàn)結(jié)果都不能拒絕原假設(shè)時，我們才認(rèn)為時間序列是非平穩(wěn)的，而只要其中有一個模型的檢驗(yàn)結(jié)果拒絕了零假設(shè)，就可認(rèn)為時間序列是平穩(wěn)的。 此外，單位根檢驗(yàn)一般是先從水平（level）序列開始檢驗(yàn)起，如果存在單位根，則對該序列進(jìn)行一階差分后繼續(xù)檢驗(yàn)，若仍存在單位根，則進(jìn)行二階甚至高階差分后檢驗(yàn)，直至序列平穩(wěn)為止。步驟二：協(xié)整檢驗(yàn)或模型修正情況一：如果基于單位根檢驗(yàn)的結(jié)果發(fā)現(xiàn)變量之間是同階單整的，那么我們可以進(jìn)行協(xié)整檢驗(yàn)。所謂的協(xié)整是指若兩個或多個非平穩(wěn)的變量序列，其某個線性組合后的序列呈平穩(wěn)性。因此協(xié)整的要求或前提是同階單整。另當(dāng)解釋變量的單整階數(shù)高于被解釋變量的單整階數(shù)時，則必須至少有兩個解釋變量的單整階數(shù)高于被解釋變量的單整階數(shù)。也就是說，單整階數(shù)不同的兩個或以上的非平穩(wěn)序列如果一起進(jìn)行協(xié)整檢驗(yàn)，必然有某些低階單整的，即波動相對高階序列的波動甚微弱（有可能波動幅度也不同）的序列，對協(xié)整結(jié)果的影響不大，因此包不包含的重要性不大。協(xié)整檢驗(yàn)方法的文獻(xiàn)綜述：(1)Kao(1999)、Kao and Chiang(2000)利用推廣的DF和ADF檢驗(yàn)提出了檢驗(yàn)面板協(xié)整的方法,這種方法零假設(shè)是沒有協(xié)整關(guān)系,并且利用靜態(tài)面板回歸的殘差來構(gòu)建統(tǒng)計(jì)量。和Kao的方法不同的是,Pedroni的檢驗(yàn)方法允許異質(zhì)面板的存在。 我們主要采用的是Pedroni、Kao、Johansen的方法。因此可以在此基礎(chǔ)上直接對原方程進(jìn)行回歸，此時的回歸結(jié)果是較精確的。但如果變量之間不是協(xié)整（即非同階單整）的話，是不能進(jìn)行格蘭杰因果檢驗(yàn)的，不過此時可以先對數(shù)據(jù)進(jìn)行處理。” 下面簡要介紹一下因果檢驗(yàn)的含義：這里的因果關(guān)系是從統(tǒng)計(jì)角度而言的，即是通過概率或者分布函數(shù)的角度體現(xiàn)出來的：在所有其它事件的發(fā)生情況固定不變的條件下，如果一個事件X的發(fā)生與不發(fā)生對于另一個事件Y的發(fā)生的概率（如果通過事件定義了隨機(jī)變量那么也可以說分布函數(shù)）有影響，并且這兩個事件在時間上又有先后順序（A前B后），那么我們便可以說X是Y的原因。同樣，這也可以用于檢驗(yàn)Y是X的“原因”，檢驗(yàn)Y的滯后值是否影響X（已經(jīng)考慮了X的滯后對X自身的影響）。說明Eviews是無法對面板數(shù)據(jù)序列做格蘭杰檢驗(yàn)的，格蘭杰檢驗(yàn)只能針對序列組做。你如果想對面板數(shù)據(jù)中的某些合成序列做因果檢驗(yàn)的話，不妨先導(dǎo)出相關(guān)序列到一個組中(POOL窗口中的Proc/Make Group)，再來試試。但此時也不要著急，我們可以在保持變量經(jīng)濟(jì)意義的前提下，對我們前面提出的模型進(jìn)行修正，以消除數(shù)據(jù)不平穩(wěn)對回歸造成的不利影響。此時的研究轉(zhuǎn)向新的模型，但要保證模型具有經(jīng)濟(jì)意義。難