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
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14