eviews残差单位根检验步骤

居民消费物价指数、消费者信心指数的相关数据，利用EVIEWS软件，将这几个指标数据进行相关分析。

特别在这里说明的是，因为同时参与了学校的本科生科研赞助---关于CCI （消费者信心指数）的一个项目，因此本人接下来的几个实验都将以CCI及相关影响指标为数据目标，研究CCI与其他因素间的关系。

本实验，则首先进行相关指标的稳定性检验。

【实验过程】（实验步骤、记录、数据、分析）本实验首先将通过多种方法对我国CCI序列进行平稳性分析：首先导入数据到eviews中,建立序列取名为CCI：然后我们首先通过折线图来直接观察其走势，如下图：从下图我们容易看到：CCI曲线基本是围绕100的轴线上下波动的，但是相比于白噪声序列，其波动幅度明显较大。

可以看到08年11月以前，其波动一直是在轴线以下，而在08年11月以后，数据都明显高于100。

联系当时的实事背景，我们不难解释这一点：2008年11月，正是国家公布四万亿投资的时候，而这之前，由于全球金融危机以及股市大跌的影响，我国居民的消费者信心指数都是较低的；国家的四万亿政策犹如一剂强心剂，立刻使得CCI有了直线的上升，一下子提高了消费者的信心。

为了判别序列是否稳定，我们绘制CCI序列的自相关图，如下：由每个Q统计量的伴随概率可以知道：都是拒绝原假设的，即存在某个K，使得滞后K期的自相关系数显著非零，即拒绝原数列是白噪声序列。

随后对其进行ADF检验：我们首先对序列本身进行单位根检验,分别采用带常数项，线性趋势，和无等三种情况进行检验。

可以从下图看到检验结果对应的p值均显著大于0.05,因此接受原假设,存在单位跟,即CCI序列本身是不平稳的.带常数项线性趋势无因此,考虑对其一阶差分进行单位根检验:可以看到,其一阶差分的单位根检验结果对应的p值显著小于0.01,拒绝存在单位根的原假设，因此我们可以得出结论:CCI的一阶差分序列是平稳的.然后我们通过PP检验来检验序列的平稳性：我们分别采用带常数项，线性趋势，和无等三种情况进行检验。

我用的是Eviews3.1注册版（因为其他的版本没注册都不稳定容易自己关闭程序），但大抵操作应该是相同的。

首先建立新的workfile,在命令窗口输入series，弹出新建的数列窗口，把要检验的数据存进去。

然后再数列窗口下点击view，找到unit root test就是单位根检验，弹出来的窗口的左上角是选择检验方式，一般保持默认的DF那一项就好了，Eviews里面的这个DF选项是把DF与ADF检验都包括在一起了。

右边的intercept啦intercept and trend啦是针对ADF 检验的不同模型，如果搞不清楚干脆就按默认吧。

左下角的level,1st differential，2st什么的是问你是针对原始数据、还是一阶差分、二阶差分来做检验，默认是level,就是原始数据。

都选好之后点击OK就好了。

输出的结果主要是看上面的表，第一个表左边给出一个值，右边给了三个值，分别是置信度99%，95%，90%的ADF检验临界值。

左边的值如果小于右边的某个值，说明该数据落在右边那个对应值的置信区间里。

比如左边给出-3，右边对应95%置信度的值是-1，-3<-1所以数据不存在单位根，是平稳的，这一检验的置信度是95%。

大概是这样吧，具体的ADF模型选择等等最好看一看相关书籍。

Eviews不难学的~~嘿嘿我也就是三天恶补大概看完的。

ADF检验的原假设是存在单位根，一般EVIEWS输出的是ADF检验的统计值，只要这个统计值是小于1%水平下的数字就可以极显著的拒绝原假设，认为数据平稳。

注意，ADF值一般是负的，也有正的，但是它只有小于1%水平下的才能认为是及其显著的拒绝原假设这样的话，如果你的变量是水平变量。

那么，你需要取对数，一般来说，取对数后的变量一般是平稳的，这样，你无需作协整；如果对数变量非平稳，再取一阶差分（绝大多数的水平变量取对数后再一阶差分是平稳的），你就可以作协整了了。

如果你的变量已是相对数，xt 与yt 并非I（1），那么，不能作协整，仅作一般的时间序列分析即可。

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。

我国1978-2003年GDP数据平稳性分析实验报告
开机进入eviews系统，建立时间序列，导入以下数据：
x(年度）y（GDP）x(年度）y（GDP）
1978 1991
1979 1992
1980 1993
1981 1994
1982 1995
1983 1996
1984 7171 1997
1985 1998
1986 1999
1987 2000
1988 2001
1989 2002
1990 2003
绘制y的时序图可初步判断该序列是不平稳的。

如图所示：
120000
100000
80000
60000
40000
20000
78808284868890929496980002
Y
接着进行单位根检验：
输入y，弹出如下窗口：
选择ADF检验，level（水平序列），trend and intercept，滞后期数设为2.得到：
可知，在原假设下，单位根的t检验统计量的值为，比在1％，5％，10％这三个显著性水平下的单位根检验的临界值都要大，故接受原假设，可知该时间序列存在单位根，为非平稳序列。

继续对该序列的一阶差分进行检验。

得到
单位根的t检验统计量的值为，比在10％显著性水平下的单位根检验的临界值要小，即拒绝原假设，表明该序列的一阶差分为平稳序列。