利用eviews进行协整分析【范本模板】
EviewsEG两步法2
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（2012.4.10补充，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 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。
利用eviews实现时间序列的平稳性检验与协整检验
在对时间序列Y、X1进行回归分析时需要考虑Y与X1之间是否存在某种切实的关系，所以需要进行协整检验。
1.1利用eviews创建时间序列Y、X1 ：打开eviews软件点击，见对话框又三块空白处work type处又三项选择，分别是非时间序列unstructured/undate，时间序列dated-regular frequency，和不明英语balance panel。
选择时间序列dated-regular frequency。
在date specification中选择年度，半年度或者季度等，和起始时间。
右下角为工作间取名字和页数。
点击ok。
在所创建的workfile中点击object-new object，选择series，以及填写名字如Y，点击OK。
将数据填写入内。
1.2对序列Y进行平稳性检验：此时应对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。
具体做法是在workfile y的窗口中点击Genr，输入logy=log(y),则生成y的对数序列logy。
再对logy序列进行平稳性检验。
点击view-United root test，test type选择ADF检验，滞后阶数中lag length选择SIC 检验，点击ok得结果如下：Null Hypothesis: LOGY has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=1)t-Statistic Prob.*Augmented Dickey-Fuller test statistic -2.757 0.09959Test critical values: 1% level -4.2975% level -3.2126963902622510% level -2.74767611540013当检验值Augmented Dickey-Fuller test statistic的绝对值大于临界值绝对值时，序列为平稳序列。
Eviews数据统计与分析教程11章 VAR模型和VEC模型-Johansen协整检验ppt课件
EViews统计分析基础教程
一、向量自回归（VAR）模型
3. VAR模型的建立
在“VAR Type”中有两个选项： •“Unrestricted VAR”建立的是无约束的向量自回归模型，即 VAR模型的简化式； •“Vector Error Correction”建立的是误差修正模型。 “Estimation Sample”的编辑框中输入的是样本区间，当工 作文件建立好后，系统会自动给出样本区间。 “Endogenous Variables”中输入的是内生变量。 “Exogenous Variables”中输入的是外生变量，系统默认情 况下将常数项c作为外生变量。 “Lag Intervals for Endogenous”中指定滞后区间
四、Johansen协整检验
1、Johansen协整理论
根据协整方程中是否包含截距项和趋势项，将其分为五 类： 第一类，序列yt没有确定趋势，协整方程没有截距项； 第二类，序列yt没有确定趋势，协整方程有截距项； 第三类，序列yt有确定的线性趋势，协整方程只有截距 项； 第四类，序列yt有确定的线性趋势，协整方程有确定的 线性趋势； 第五类，序列yt有二次趋势，协整方程只有线性趋势。
EViews统计分析基础教程
二、脉冲响应函数
“Display Information”中输入冲击变量（Impulses）和 脉冲响应变量（ Responses ）。这里可以输入内生变 量的名称，也可以输入变量的序号。 在“ Periods” 中输入显示的最长时期。“ Accumlated Responses” 为累积响应。对于稳定的VAR 模型，脉冲 响应函数应趋于0，累积响应趋于非0常数。
EViews统计分析基础教程
一、向量自回归（VAR）模型
VAR模型、Johansen协整检验在eviews中的具体操作步骤及结果解释
19
利用Genr命令可算得用于检验原假设是否 成立的伴随概率 P：
p=1-@cchisq(42.4250,18) =0.000964
故 P=0.000964< =0.05，应拒绝原假设
，建立VAR(3)模型。
20
三、约翰森（Jonhamson）协整检验
Jonhamson（1995）协整检验是基于VAR模 型的一种检验方法，但也可直接用于多变量间的协 整检验。
1.Johanson协整似然比（LR）检验 H0：有 0个协整关系; H1：有M个协整关系。 检验迹统计量：
N
LRM n
log(1 i )
i M 1
图11-1和图11-2，由图11-2可以看出，三个对数序列的
变化趋势基本一致，可能存在协整关系。
13
160000
120000
80000
40000
0 55 60 65 70 75 80 85 90 95 00
GDP
CT
IT
图11-1 GDPt、 Ct和 It
的时序图
12
11
10
9
8
7
6
5 55 60 65 70 75 80 85 90 95 00
LR 2(Lnl(1) Lnl(3)) 2(108.7551 129.9676) 42.4250
其中，Lnl(1)和Lnl(3)分别为P=1和P=3时VAR(P) 模型的对数似然函数值。在零假设下，该统计量 服从渐进的 2 ( f ) 分布，其自由度f为从VAR(3) 到VAR(1)对模型参数施加的零约束个数。对本 例：
这种方程组模型主要用于分析联合内生变量 间的动态关系。联合是指研究N个变量 y1t y2t yNt 间的相互影响关系，动态是指p期滞后。故称VAR 模型是分析联合内生变量间的动态关系的动态模 型，而不带有任何约束条件，故又称为无约束 VAR模型。建VAR模型的目的：
eviews实验报告总结（范本）
eviews实验报告总结eviews实验报告总结篇一：Evies实验报告实验报告一、实验数据：1994至201X年天津市城镇居民人均全年可支配收入数据 1994至201X年天津市城镇居民人均全年消费性支出数据 1994至201X年天津市居民消费价格总指数二、实验内容：对搜集的数据进行回归，研究天津市城镇居民人均消费和人均可支配收入的关系。
三、实验步骤：1、百度进入“中华人民共和国国家统计局”中的“统计数据”，找到相关数据并输入Exc el，统计结果如下表1：表11994年--201X年天津市城镇居民消费支出与人均可支配收入数据2、先定义不变价格（1994=1）的人均消费性支出（Yt）和人均可支配收入（Xt）令：Yt=cn sum/priceXt=ine/pri ce 得出Yt与Xt的散点图，如图1.很明显，Yt和X t服从线性相关。
图1 Yt和Xt散点图3、应用统计软件EVies完成线性回归解：根据经济理论和对实际情况的分析也都可以知道，城镇居民人均全年耐用消费品支出Yt依赖于人均全年可支配收入Xt的变化，因此设定回归模型为 Yt=β0+β?Xt﹢μt（1）打开E Vies软件，首先建立工作文件， Fil e rkfile ,然后通过bject建立 Y、X系列，并得到相应数据。
（2）在工作文件窗口输入命令：l s y c x,按E nter键，回归结果如表2 ：表2 回归结果根据输出结果，得到如下回归方程：Y t=977.908+0.670Xt s=(172.3797) (0.0122) t=(5.673) (54.950) R2=0.995385 Adjust ed R2=0.995055 F-sta tistic=3019.551 残差平方和Sum sq uared resi d =1254108回归标准差S.E.f regressi n=299.2978（3）根据回归方程进行统计检验：拟合优度检验由上表2中的数分别为0.995385和0.995055，计算结果表明，估计的样本回归方程较好地拟合了样本观测值。
eviews协整检验协整方程
在EViews中进行协整检验和估计协整方程可以按照以下步骤进行：1. 导入数据：-打开EViews软件，选择"File" -> "Open"，导入需要进行协整检验的时间序列数据。
2. 创建VAR（向量自回归）模型：-选择"Quick/Estimation"或"Object/New Object"，然后选择"VAR"，创建一个新的VAR对象。
-在VAR对话框中，选择要包含在模型中的所有变量，并指定滞后阶数(lags)和其他选项。
-点击"OK"以创建VAR模型。
3. 进行协整检验：-在VAR对象上右键单击，选择"View/Residual Diagnostics"，打开模型诊断窗口。
-在模型诊断窗口中，选择"Tests"选项卡，在下拉菜单中选择"Engle-Granger Cointegration Test"。
-确定要检验的变量组合，点击"OK"进行协整检验。
结果将显示在输出窗口中。
4. 估计协整方程：-如果协整检验结果表明存在协整关系，可以进行协整向量估计。
-在VAR对象上右键单击，选择"View/Cointegrating Vectors"，打开协整向量窗口。
-在协整向量窗口中，选择所需的变量组合，并点击"OK"进行估计。
结果将显示在输出窗口中。
需要注意的是，以上步骤仅为一般性指导，具体操作可能因数据和研究目的而有所调整。
在使用EViews进行协整检验和估计协整方程时，建议参考EViews用户手册或相关教程以获取更详细的操作指导。
Eviews检验小结【范本模板】
各种检验总结1、偏度：①序列的分布是对称的，S值为0；②正的S值意味着序列分布有长的右拖尾；③负的S值意味着序列分布有长的左拖尾.2、峰度:①如果K 值大于3，分布的凸起程度大于正态分布；②如果K值小于3，序列分布相对于正态分布是平坦的.3、正态性检验:Q—Q图：看QQ图上的点是否近似地在一条直线附近, 是的话近似于正态分布. Jarque-Bera 检验：①如果P值很小，则拒绝原假设，X不服从正态分布；②如果P值大于0。
05（0。
1）接受原假设，X 服从正态分布。
输入数据用鼠标单击“Quick"，出现下拉菜单，单击“Empty Group”，出现“Group”窗口。
在数据表的第一列中键入y的数据，并将该序列名取为y；在第二、第三列中分别键入x1 和x2的数据，并分别取名为x1和x2。
回归分析用鼠标单击“Quick",出现下拉菜单，单击“Estimate Equation”，在弹出对话框中键入y c x1 x2；在“Estimation Settings”栏中选择“Least Squares”(最小二乘法）；点击“OK"，屏幕显示回归分析结果如表3—16所示.回归检验1、拟合优度检验:R2 =0。
864267说明，回归方程即上述样本需求函数的解释能力为86。
4％，即所有解释变量能对该被解释变量变动的86.4%作出解释。
回归方程的拟合优度较好.2、回归模型的总体显著性检验：从全部因素的总体影响看，α表示显著性水平(一般取5％，也可取10％根据题目而定）假设在5％显著性水平上，若F检验的P 值小于0.05，说明所有解释变量对被解释变量的共同影响显著。
3、单个回归系数的显著性检验:从单个因素的影响看，在5%显著性水平上，查看各个解释变量的T检验值若大于2,一般表示该解释变量对被解释变量有显著影响.但是，最主要是看解释变量的P检验值,若P值小于0.05则表示该解释变量对被解释变量有显著影响.异方差检验:（1）判断1。
eviews作业(单位根,回归分析)
1.单位根检验结果检验类型ADF值P值结论LnY （0，0，2）-4.27016 0.0005 平稳LnX1 (C,T,1) -2.464548 0.3362 非平稳D(LnX1) (0,0,0) -2.994499 0.006 平稳LnX2 (C,0,0) -1.719707 0.4009 非平稳D(LnX2) (C,T,0) -3.692378 0.0616 平稳LnX3 (C,T,3) -3.123541 0.1494 非平稳D(LnX3) (C,T,3) -7.098886 0.0014 平稳LnX4 (C,T,3) -4.445399 0.0249 平稳LnX5 (C,T,0) -1.690278 0.7009 非平稳D(LnX5) (0,0,0) -3.277648 0.0033 平稳通过单位根检验，可以发现LnY和LnX4为平稳序列，而LnX1、LnX2、LnX3、LnX5均为一阶单整序列。
2.协整检验由于后面需要进行回归分析，这里对这些变量做协整检验。
这里采取EG协整检验的做法（备注：Johansen协整检验样本量不够），结果见下图：从上述结果可以看到，被解释变量为LnY时，其z统计量对应的显著性P值小于10%，因此在10%的显著水平下，以LnY为被解释变量的回归方程存在协整关系。
对此，我们检查该回归的残差是否平稳，结果见下图：由残差的单位根检验结果可以看出，此时残差为平稳序列，即该回归存在协整关系。
3.格兰杰因果关系检验由前面的协整检验知LnY与解释变量存在长期的均衡关系，在此基础上，我们对其进行格兰杰因果关系检验。
从上图可以看出LnX1和LnX5不是LnY的格兰杰原因，而LnX2、LnX3、LnX4均是LnY的格兰杰原因，因此我们将建立以LnY为被解释变量，以LnX2、LnX3、LnX4为解释变量的回归。
4.回归结果首先对LnY与LnX2、LnX3、LnX4做协整检验，结果如下：从结果可以看出被解释变量为LnY时，其tau统计量对应的显著性P值小于10%，因此在10%的显著水平下，以LnY为被解释变量的回归存在协整关系。
协整分析计量经济学EVIEWS建模
㈡ 协整与长期均衡
⒈ 协整
【协整(co-integration)的定义】假定(n×1)阶向 量Y的每个分量序列都是d阶单整过程，即Yi～I(d)。 如果存在(n×1)阶向量β，使得线性组合序列β’Y～ I(d-b)，则我们称Yi的各分量之间是d、b阶协整的， 并简记为Y～CI(d,b)；其中向量β就叫协整向量，β中 的元素叫做协整参数。在现实的经济变量中协整关 系表明，变量间存在着长期的平衡关系，这是Engle ＆Granger(1987)提出的，对协整理解的概念。
Yt之间存在协整关系。
⒉均衡
均衡指现象在其内在机制作用下达到的相对稳定 的一种平稳状态，即当系统受到干扰后会偏离均衡点， 而内在均衡机制将努力使系统重新回到均衡状态，如 市场中看不见的手作用下的价格机制等。
协整关系是对非平稳经济变量长期均衡关系的统 计描述。即现象间的内在均衡机制的存在状态：
如果经济变量X和Y之间永远处于均衡状态，则对 该均衡的描绘误差将永远为零；
⒉对长期均衡方程的估计
在对各变量的单整阶数进行判断的基础上，再通 过因果关系的初步分析，求得可能存在协整关系的变 量，并就变量间的回归模型进行OLS估计。
在回归估计的基础上，可以求得非均衡误差εi的 估计值和协整参数的估计值，即残差ei和各参数估计 值 b0 , b1 ,…,bk等，以用于进一步的协整检验。
⒉多元回归模型对变量单整阶数的要求 在多元回归模型中，各变量的的单整阶数可以是 不同的。但是是符合的基本要求有如下几点： ⑴被解释变量的单整阶数不能高于任意一个解释 变量的单整阶数； ⑵解释变量的单整阶数高于被解释变量时，最高 阶的解释变量个数必须有两个及以上； ⑶变量间存在着多重协整的可能。即当Y～I(N), Xi～I(K),Xj～I(K)时，只要K≥N，X=(XiXj)～CI(K,K-N)；则 协整回归可能为：Y=f(X)～CI(N,N)。
eviews试验：e-g两步法[最新]
![eviews试验：e-g两步法[最新]](https://img.taocdn.com/s3/m/4ab5940453d380eb6294dd88d0d233d4b14e3fa7.png)
E-G两步法协整检验和误差修正模型的建立实验内容：使用Eviews软件进行E-G两步法协整检验的操作，并建立误差修正模型。
分析我国居民实际可支配收入与居民实际消费之间是否存在长期均衡关系。
实验数据：我国的实际居民消费和实际可支配收入，变量均为剔除了价格因素的实际年度数据，样本区间为1978—2006年。
数据来源于各年的统计年鉴。
实验过程：1、实际居民消费CSP等于名义居民消费CS除于CPI，实际可支配收入INC 等于名义可支配收入YD除于CPI。
把上述数据导入到Eviews中，建立相应的系列。
2、对实际居民消费CSP序列和实际可支配收入INC序列进行ADF单位根检验，检验结果如下：注：△表示一阶差分，△2 表示二阶差分。
（C T K）表示检验类型，C表示常数项，T表示趋势项，K 表示滞后阶数。
﹡表示在1%的显著性水平下显著。
从ADF单位跟检验结果可知，csp和inc系列均为2阶单整系列，即csp~I(2)，inc~I(2)。
因此可以对csp和inc系列进行协整关系检验。
3、建立回归方程。
点击菜单栏里的quick，选择下拉菜单的estimate equation。
在出现的对话框中依次输入：CSP、C、INC。
如下图所示：4、点击确定得到方程回归结果，如下图所示：5、在方程对象框中，单击proc，选择 make residual series，生成方程的残差系列，命名为“e”。
并对e系列进行ADF单位根检验，检验结果如下图所示：检验形式为即不包含常数项也不包含趋势项。
检验结果表明，在5%的显著性水平下，e 系列是平稳系列。
所以csp和inc 存在协整关系，也就是长期均衡关系。
6、建立误差修正模型：误差修正模型（ECM：Error Correction Model）的基本形式最早是由Davidson、Hendry、Srba和Yeo在1978年提出的，因此又称之为DHSY模型。
在建立经济模型的时候，经常会需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程，最一般的模型就是自回归分布滞后模型（ADL：autoregressive distributed lag）。
协整检验eviews
四．协整检验的相关应用一．基本思想及注意要点、适用条件1．基本思想尽管一些变量是非平稳的而且是同阶单整的（比如，同为I（1）与I（2）），但有时如果我们对它们之间的关系进行长期观察，会发现它们之间是存在着某种内在的联系的，即它们之间从长期看存在着稳定的均衡关系。
比如，两个醉汉，同时从某一个平行的地点出发，尽管如果你单独观察某一个醉汉，会发现它们的走路并无明显的规律可循，而且，随着时间的延长，有偏离其走路均值的幅度越来越大的特点（非平稳），但如果你事前在他们腰间拴一条绳子，而且他们波动的趋势恰好相反，那么，你会发现，从长期来看，他们所走过路，是相对具有某种稳定的关系的，我们通常称这种观察到的现象为所谓的协整关系。
也可想一下“一条绳子上拴两个蚂蚱”。
2．注意要点（1）协整一定是针对于同阶单整的，即两个或多个变量之间一定是同样一个I（n）过程，即大家都必须是经相同阶的差分后才会平稳。
直观的，如果将平稳时间序列数据看作是“正常人”，非平稳时间序列数据看作是“醉汉”，那么，只有“醉汉”之间才可能存在协整关系，而且只有“醉”的程度是一样的，才可能存在协整关系。
故要利用协整技术，前提条件就是先判断，你的变量序列是不是“醉汉”。
拴一条绳子在两个“醉汉”之间，在数学上可类比于线性组合。
（2）如果存在协整关系，那么表明你在假定模型的时候，认为两个或多个变量之间的关系不是单向的。
协整只表明所观察的两个或几个变量之间长期可能存在某种稳定的相对关系，但通常并不能一定认为二者就具有因果关系，这也是为何实证当中，一般是将协整与所谓的格兰杰因果检验同时运用的原因（3）从上面的比如可知，即使两个变量之间存在协整关系，而且也检验出存在因果关系，但这种因果关系的方向通常并不确定，而且由于协整都是基于原始变量非平稳的，因而，此前的“仪器”一般是失效的，故通常不要试图对协整的分析结果进行乘数等解析。
比如，一般不能说x变化多少引起y变化多少。
Eviews软件数据分析例文剖析
小学期作业影响财政收入的主要因素学院：经济学院班级：统计学班姓名:梁语丝学号：2011407036影响财政收入的主要因素摘要：财政收入是一国政府实现政府职能的基本保障，主要有资源配置、收入再分配和宏观经济调控三大职能。
财政收入的增长情况关系着一个国家经济的发展和社会的进步。
我国财政收入主要受国民经济发展、预算外资金收入、税收收入等因素的影响。
本文针对我国财政收入影响因素建立了计量经济模型，并利用Eviews软件对收集到的数据进行相关回归分析，排除简单多元回归模型存在的严重多重共线性等问题，建立财政收入影响因素更精确的模型，分析了影响财政收入主要因素及其影响程度，预测我国财政收入增长趋势。
二、模型设定研究财政收入的影响因素离不开一些基本的经济变量。
大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素,还有一些文献中也提出了其他一些变量, 比如其他收入、经济发展水平等。
影响财政收入的因素众多复杂, 但是通过研究经济理论对财政收入的解释以及对实践的观察, 对财政收入影响的因素主要是税收收入。
下面我们就以税收收入、能源消费总量、和预算外资金收入作为影响财政收入的主要研究因素。
从中国统计局网站上可以查询到1993年至2008年的相关数据，对其进行计算整理可得：4.、模型的建立根据1978—2008年每年的财政收入Y( 亿元) , 能源消费总量X1( 亿元)，预算外资金收入X2( 亿元) ,税收收入X3( 亿元) 的统计数据,由E-views软件得到y，x1，x2，x3的线性图，如下：由图可知，y，x1， x3都是逐年增长的，但增长速率有所变动，而x2呈现水平波动，说明变量间不一定是线性关系，可探索将模型设定为以下形式：lnY=β0+β1lnX1+β2X2+β3lnX3+U三，模型估计与调整利用Eviews软件对模型进行最小二乘法全回归，结果如下：第一步，进行模型的检验。
（一），进行多重共线性的检验方程的修正后的R平方值很高，说明变量对因变量的拟合程度很好，但是应该注意到c，lnx1，x2三者的t值很低（在此选择置信度为0.05），未通过检验，因此怀疑其中存在变量之间的多重共线问题。
利用eviews进行协整研究分析
利用eviews进行协整分析————————————————————————————————作者：————————————————————————————————日期：利用eviews进行协整分析【实验目的】掌握协整分析及相关内容的软件操作【实验内容】单位根检验，单整检验，协整关系检验，误差修正模型【实验步骤】Augmented Dickey-Fuller Test（ADF）检验考虑模型（1）△y t=δy t-1+∑λj△y t-j+μt模型（2）△y t=η+δy t-1+∑λj△y t-j+μt模型（3）△y t=η+βt+δy t-1+∑λj△y t-j+μt其中：j=1，2，3单位根的检验步骤如下：第一步：估计模型（3）。
在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列y t不存在单位根，说明序列y t是平稳的，结束检验。
否则，进行第二步。
第二步：给定δ=0，在给定ADF临界值的显著水平下，如果参数β显著不为零，则进入第三步；否则表明模型不含时间趋势，进入第四步。
第三步：用一般的t分布检验δ=0。
如果参数δ显著不为零，则序列y t不存在单位根，说明序列y t是平稳的，结束检验；否则，序列存在单位根，是非平稳序列，结束检验。
第四步：估计模型（2）。
在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列y t不存在单位根，说明序列y t是平稳的，结束检验；否则，继续下一步。
第五步：给定δ=0，在给定ADF临界值的显著水平下，如果参数δ显著不为零，表明含有常数项，则进入第三步；否则继续下一步。
第六步：估计模型（1）。
在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列y t不存在单位根，说明序列y t是平稳的，结束检验。
否则，序列存在单位根，是非平稳序列，结束检验。
操作：（1）检验消费序列是否为平稳序列。
在工作文件窗口，打开序列CS1，在CS1页面单击左上方的“View”键并选择“Unit Root Test”，采用ADF检验方法，依据检验目的确定要检验的模型类型，则有单位根检验结果。
Eviews实验：E-G两步法
E-G两步法协整检验和误差修正模型的建立实验内容：使用Eviews软件进行E-G两步法协整检验的操作，并建立误差修正模型。
分析我国居民实际可支配收入与居民实际消费之间是否存在长期均衡关系。
实验数据：我国的实际居民消费和实际可支配收入，变量均为剔除了价格因素的实际年度数据，样本区间为1978—2006年。
数据来源于各年的统计年鉴。
实验过程：1、实际居民消费CSP等于名义居民消费CS除于CPI，实际可支配收入INC 等于名义可支配收入YD除于CPI。
把上述数据导入到Eviews中，建立相应的系列。
2、对实际居民消费CSP序列和实际可支配收入INC序列进行ADF单位根检验，检验结果如下：变量检验形式（C T K）ADF统计量P值结论csp (C T 1) 5.13 1.00 不平稳△csp (C T 1) -2.46 0.34 不平稳△2 csp (0 0 1) -7.16﹡0.00 平稳inc (C T 1) 7.03 1.00 不平稳△inc (C T 1) -1.42 0.83 不平稳△2 inc (0 0 2) -5.93﹡0.00 平稳注：△表示一阶差分，△2 表示二阶差分。
（C T K）表示检验类型，C表示常数项，T表示趋势项，K 表示滞后阶数。
﹡表示在1%的显著性水平下显著。
从ADF单位跟检验结果可知，csp和inc系列均为2阶单整系列，即csp~I(2)，inc~I(2)。
因此可以对csp和inc系列进行协整关系检验。
3、建立回归方程。
点击菜单栏里的quick，选择下拉菜单的estimate equation。
在出现的对话框中依次输入：CSP、C、INC。
如下图所示：4、点击确定得到方程回归结果，如下图所示：5、在方程对象框中，单击proc，选择 make residual series，生成方程的残差系列，命名为“e”。
并对e系列进行ADF单位根检验，检验结果如下图所示：检验形式为即不包含常数项也不包含趋势项。
Eviews实验报告2
可以看到对应的两个参数的系数的p值都显著小于0.001。
生成一列序列=残差，对该序列进行ADF检验后可以发现p值小于0.05，因此认为不存在单位根，序列是平稳的。
因此，尽管国城镇居民月人均生活费支出（y）和可支配收入序列（x）都是非平稳的，但是由于它们之间具有协整关系，因此可以建立动态回归模型准确预测其长期互动关系。
模型拟合的预测值DCPIF的折线图和与dcpi的对比图如下：
可以看到，最后的拟合效果非常好。
从而我们得到最后的拟合方程为：
即：
因此，城镇居民收入没增加一个百分点，其消费支出也增加0.934各百分点。
【结论】（结果）
我国城镇居民月人均生活费支出（y）和可支配收入序列（x）的对数化后的XT与YT序列均不是平稳的，但是其一阶差分都是平稳的，因此猜测他们具有协整关系。
1987年，Engle和Granger提出的协整理论及其方法为平稳序列的建模提供了另一种途径。虽然一些经济变量的本身是非平稳序列，但是它们的线性组合却有可能是平稳序列。这种平稳的线性组合被称为协整方程且可被解释为变量之间的长期稳定的均衡关系，作为协整模型的补充。误差修正模型(ECM)则解释序列的短期波动关系，消费的短期动态变化表现为依据前一期消费对长期稳定关系的偏离程度不断进行调整的过程。协整模型与误差修正模型的联合应用不仅解决了传统消费函数伪回归问题，而且第一次确立了消费长期趋势对短期变化的影响发展了消费函数理论。
Johansen和Juselius提出的一种在VAR（向量自回归）系统下用极大似然估计来检验多变量之间协整关系的方法，通常称为Johansen协整检验。
设一个VAR模型如下：
误差修正模型(Error Correction Model)简称为ECM，它的主要形式是由Davidson、Hendry、Srba和Yeo于1978年提出的国城镇居民月人均生活费支出y和可支配收入序列x都是非平稳的但是由于它们之间具有协整关系因此可以建立动态回归模型准确预测其长期互动关模型拟合的预测值dcpif的折线图和与dcpi的对比图的拟合效果都非常因此城镇居民收入没增加一个百分点其消费支出也增加0934分点
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
利用eviews进行协整分析【实验目的】掌握协整分析及相关内容的软件操作【实验内容】单位根检验,单整检验,协整关系检验，误差修正模型【实验步骤】Augmented Dickey—Fuller Test(ADF）检验考虑模型（1）△y t=δy t-1+∑λj△y t—j+μt模型(2）△y t=η+δy t—1+∑λj△y t-j+μt模型（3）△y t=η+βt+δy t-1+∑λj△y t—j+μt其中：j=1,2，3单位根的检验步骤如下：第一步：估计模型（3）。
在给定ADF临界值的显著水平下，如果参数δ显著不为零,则序列y t不存在单位根,说明序列y t是平稳的，结束检验。
否则，进行第二步.第二步：给定δ=0，在给定ADF临界值的显著水平下，如果参数β显著不为零,则进入第三步；否则表明模型不含时间趋势，进入第四步。
第三步：用一般的t分布检验δ=0。
如果参数δ显著不为零,则序列y t不存在单位根，说明序列y t是平稳的，结束检验；否则,序列存在单位根，是非平稳序列，结束检验。
第四步:估计模型(2）。
在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列y t不存在单位根,说明序列y t是平稳的，结束检验；否则,继续下一步。
第五步：给定δ=0，在给定ADF临界值的显著水平下，如果参数δ显著不为零,表明含有常数项，则进入第三步；否则继续下一步。
第六步:估计模型（1）。
在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列y t不存在单位根，说明序列y t是平稳的，结束检验。
否则，序列存在单位根，是非平稳序列，结束检验。
操作:(1)检验消费序列是否为平稳序列。
在工作文件窗口,打开序列CS1，在CS1页面单击左上方的“View”键并选择“Unit Root Test”，采用ADF检验方法，依据检验目的确定要检验的模型类型，则有单位根检验结果。
（左上方选：level，左下方选:Trend and intercept,含有截距项和趋势项，右边最大滞后期：2，点击OK）消费时间序列为模型（3）,其t值大于附表6（含有常数项和时间趋势）中δ0。
01~0。
10各种显著性水平下值。
因此，在这种情况下不能拒绝原假设，即私人消费时间序列CS有一个单位根,SC序列是非平稳序列。
同理，可以对Y1序列进行单位根检验。
（2）单整1.检验消费时间序列一阶差分(△CS t)的平稳性。
在工作文件窗口,打开序列CS，在CS页面单击左上方的“View”键并选择“Unit Root Test”，1如果一个时间序列经过一次差分变成平稳的，就称原序列是1阶单整序列，记为I（1）。
一般，一个序列经过d次差分后变成平稳序列，责称原序列d阶单整序列。
采用ADF检验方法，依据检验目的确定要检验的模型类型，则有单位根检验结果。
(左上方选：1st difference 一阶差分，左下方选：intercept，含有截距项，右边最大滞后期：2，点击OK，就得到对于一阶差分序列D（CS)的单位根检验的结果)同理，可以对D（Y1）序列进行单位根检验。
用OLS法做两个回归:△2CS t C △CS t-1△2CS t C t △CS t—1△2CS t为二阶差分，在两种情况下,tδ值都小于附表6中0.01～0.10各种显著性水平下的值。
因此,拒绝原假设,即私人消费一阶差分时间序列没有单位根，即私人消费一阶差分时间序列没有单位根，或者说该序列的平稳序列。
所以，CS t是非平稳序列，由于△CS t~I（0),因而CS t~I（1）。
二阶差分命令：CS2=d（CS，2) CS是序列名称。
（3）判断两变量的协整关系.第一步:求出两变量的单整的阶对于SC t。
做两个回归(SC t C SC t-1），（△2SC t C △SC t—1）。
对于y t，做两个回归（y t C y t—1），（△2y t C △y t—1）。
判断SC t和y t都是非平稳的，而△SC t和△y t是平稳的,即SC t～I（1），y t～I（1).第二步：进行协整回归用OLS法做回归：（SC t C y t），并变换参差为e t。
第三步：检验e t的平稳性用OLS法做回归：(△e t C e t—1）第四步:得出两变量是否协整的结论因为t=—3.15与下表协整检验EG或AGE的临界值相比较（K=2),采用显著性水平a=0。
05，tδ值大于临界值，因而接受e t非平稳的原假设，意味着两变量不是协整关系.可是，如果采用显著性水平a=0.10,则tδ值与临界值大致相当，因而可以预期，若a=0.11，则tδ值小于临界值，接受e t平稳的备择假设,即两变量具有协整关系。
协整检验EG或AGE的临界值（4)误差修正模型的估计第一步：估计协整回归方程y t=b0+b1x t+u t得到协整的一致估计量(1,- b0 —b1），用它得出均衡误差u t的估计值e t。
第二步:用OLS法估计下面的方程△y t=a+∑βi△y t-i+∑φj△y t-j+λe t—1+v t在具体建模中，首先要对长期关系模型的设定是否合理进行单位根检验，以保证e t 为平稳序列.其次,对短期动态关系中各变量的滞后项，通常滞后期在0，1，2，3中进行实验。
(5)估计误差修正模型用OLS法（△SC t-1 c △y t e t-1）估计误差修正模型△SC t=5951.557+0。
284△y t—0。
200 e t—1(6）解释：结果表明个人可支配收入y t的短期变动对私人消费存在正向影响。
此外，由于短期调整系数的显著的，表明每年实际发生的私人消费与其长期均衡值的偏差中的20％的速度被修正.【例】中国居民消费与收入数据单位:百万元（一)将消费（CS）和收入(Y）通过价格指数转换为不含价格因素的指数化的实际消费（CS1）和实际收入(Y1），如上表。
（二）单位根检验从理论上讲，实际消费与实际持久收入之间存在长期的因果关系。
为了对二者进行协整分析、建立误差修正模型,首先对CS1、Y1进行单位根检验。
利用Eviews对CS1、Y1进行单位根检验，其结果见下表。
运行结果：CS1: level,Trend and intercept,右边最大滞后期：2Null Hypothesis: CS1 has a unit rootExogenous：Constant，Linear TrendLag Length：1 (Automatic based on SIC，MAXLAG=2）t-Statistic Prob.*Augmented Dickey-Fuller test statistic -2。
193757 0.4777Test critical values：1% level —4。
2528795% level —3.54849010％level —3.207094D（CS1）：在CS中，1st difference，intercept,2Null Hypothesis：D（CS1）has a unit rootExogenous: ConstantLag Length：0 （Automatic based on SIC，MAXLAG=2）t-Statistic Prob 。
＊Augmented Dickey-Fuller test statistic —3.193881 0.0291Test critical values:1％ level -3。
639407 5％ level -2。
95112510% level-2。
614300同理，求出y1和D(Y1)表1 中国居民实际持久收入与实际消费的单位根检验结果变量 检验类型（c ，t ，n ） ADF 值 临界值（a=0.05）结论CS1 (c,t,1） -2。
1938 —3.5485 非平稳 d （CS1） (c ，0,1) —3.1939 —2。
9511 平稳 Y1 （c,t,1） —2.2642 —3。
5443 非平稳 d （Y1） (c ，0，1） —5。
0931 -2.9511 平稳注：（c,t,n ）分别表示在ADF 检验中是否有常数项、时间趋势、滞后阶数。
其中，滞后阶数根据AIC 、SC 准则确定。
分析表1可知，CS1、Y1都是一阶单整。
（三）协整检验由于CS1、Y1都是一阶单整I （1)，因此，二者可能存在协整关系，可以进行协整检验。
1、 做t CS 1对t Y 1协整回归方程： 运行结果：Dependent Variable ： CS1 Method: Least Squares Date: 09/08/12 Time: 16:29 Sample ： 1960 1995 Included observations ： 36Coefficient Std. Error t-Statistic Prob 。
C 793.0102 2948。
509 0.268953 0。
7896 Y10.8274630。
01899743.557750。
0000R —squared0。
982395 Mean dependent var 108911。
9 Adjusted R-squared 0.981877 S.D. dependent var 70926.09 S.E 。
of regression 9548。
117 Akaike info criterion 21。
22003 Sum squared resid3。
10E+09 Schwarz criterion21。
30800Log likelihood —379。
9605 Hannan —Quinn criter. 21。
25073 F-statistic 1897.277 Durbin-Watson stat 1.325685 Prob(F-statistic)0.000000t CS 1 = 793.0048 + 0。
8275t Y 1 + u (0.2690） （43。
5578)2R = 0.9824 2R = 0。
9819 DW = 1.32572、利用Eviews 对u 进行单位根检验，其结果如表2所示.即对resid 进行ADF 检验，首先在generate series 中令e=resid, ADF 选项：level ， incepert and trend 运行结果:Null Hypothesis ： E has a unit root Exogenous: Constant, Linear TrendLag Length ： 0 （Automatic based on SIC ， MAXLAG=2）t —Statistic Prob.＊Augmented Dickey-Fuller test statistic —4.494121 0.0054Test critical values:1% level -4.243644 5％ level —3。