如果算出来都是一阶单整的 那直接用取对数都的数据就可以做协整检验了

协整检验公式协整检验公式是用来检验两个时间序列之间是否存在协整关系的。

协整关系指的是两个变量虽然彼此相关，但是它们的差值却是（弱）平稳的。

广义上的协整关系可以用多个变量进行检验，但是在本文中我们主要关注两个变量的情况。

协整检验的基本思想是将两个变量进行线性组合，然后检验该线性组合是否是平稳的。

如果该线性组合是平稳的，那么就说明这两个变量之间存在协整关系。

协整关系一般分为一阶协整和二阶协整，即线性组合的阶数。

下面是协整检验的公式：1. 单位根检验公式（Augmented Dickey-Fuller Test）：ADF(t_{y_{t}}) = \delta_{0} + \delta_{1}t_{y_{t}} + \sum_{i = 1}^{p} \gamma_{i}\Delta{y_{t-i}} + \epsilon_{t}其中，ADF(t_{y_{t}})表示单位根检验的统计量，\delta_{0} 和 \delta_{1}是回归系数， \sum_{i = 1}^{p}\gamma_{i}\Delta{y_{t-i}}表示滞后差分项，\epsilon_{t}表示残差。

2. 极小二乘法估计公式：\widehat{\mathbf{X}}(t_{k}) = \mathbf{c} +\widehat{\mathbf{V}}\mathbf{y}_{k-1} +\widehat{\boldsymbol{\alpha}}\mathbf{X}(t_{k-1}) +\delta\widehat{\mathbf{R}}^{-1}\widehat{\mathbf{U}}(t_{k-1})其中，\widehat{\mathbf{X}}(t_{k})表示对变量X在时间点t_{k}的估计，\mathbf{c}是常数项，\widehat{\mathbf{V}}是回归系数，\widehat{\boldsymbol{\alpha}} 是滞后相关系数，\delta\widehat{\mathbf{R}}^{-1} 是滞后误差关联系数，\widehat{\mathbf{U}}(t_{k-1})表示第k-1个时间点之前的累积残差。

Eviews 之协整分析利用 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）△ yt =δyt -1+∑ λj △ yt-j +μt模型（ 2）△ yt =η+δ yt-1+ ∑ λj △ yt-j +μ t模型（ 3）△ yt =η+β t+ δyt -1+∑ λ j △ yt-j +μ t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yt 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 yt 不存在单位根，说明序列 yt 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。

协整关系检验方法一、我国加工贸易与进出口贸易总额现状自上世纪70年代末广东省签订第一份毛纺织品来料加工协议,在珠海创办了我国首家加工贸易企业之后,加工贸易在我国开始出现并获得了迅速发展。

开放三十年来,我国经济建设取得了巨大进步,对外贸易的发展尤其迅速,1978年中国对外贸易进出口总额仅有206。

4亿美元,而2022年全国对外贸易总额达到了25697亿美元,增长了124、5倍。

加工贸易在我国对外贸易中起着至关重要的作用,1981年中国加工贸易进出口总额为24、85亿美元,约占中国对外贸易总量的5、64%,这一比例随着年代的增长而不断增大,2007年中国加工贸易进出口总额达到了9861亿美元,比1981年增长367。

4倍,占我国对外贸易总量的45、4%;到2022年,我国加工贸易进出口10535、9亿美元,增长6。

8%,占我国对外贸易总量的41%,已成为我国对外贸易发展中的“半壁江山”。

加工贸易的蓬勃发展增加了国民收入,创造了大量的就业机会,带动了我国产业结构的优化和升级,而且在国外先进技术和管理经验的引进等方面也发挥了重要作用。

那么,加工贸易与我国进出口贸易总额之间的关系如何本文将对此问题进行分析。

二、协整分析的基本理论宏观经济领域研究过程涉及的变量大多为非平稳变量。

对这些非平稳变量,如果我们仅仅采用传统的回归建模方法进行研究,有时可能会产生虚假相关和虚假回归现象。

在虚假相关和虚假回归基础上得出的结论,必然是不正确的结论;在这些不正确的结论基础上所做的决策,也必然是不正确的决策。

为避免由虚假相关、虚假回归导致的不正确结论和决策,我们有必要摒弃传统的建模方法,采用适合非平稳变量的新方法对相关问题进行研究。

最近几十年来发展起来的协整分析正是解决这一问题的一种非常好的方法。

协整分析要求所研究的变量是同阶单整的。

检验变量序列单整性的常用方法是单位根检验,这里我们采用迪基、富勒提出的ADF检验方法。

假设要检验序列是否为形式的单位根过程,可以对模型进行估计,然后检验或。

16.协整检验一、方法介绍基本思路：20世纪80年代，Engle 和Granger 等人提出了协整（Co-integration ）的概念，指出两个或多个非平稳（non-stationary ）的时间序列的线性组合可能是平稳的或是较低阶单整1的。

有些时间序列，虽然它们自身非平稳，但其线性组合却是平稳的。

非平稳时间序列的线性组合如果平稳，则这种组合反映了变量之间长期稳定的比例关系，称为协整关系。

协整关系表达的是两个线性增长量的稳定的动态均衡关系，更是多个线性增长的经济量相互影响及自身演化的动态均衡关系。

协整分析是在时间序列的向量自回归分析的基础上发展起来的空间结构与时间动态相结合的建模方法与理论分析方法。

理论模型：如果时间序列nt t t Y Y Y ，，，⋅⋅⋅21都是d 阶单整，即）（d I ，存在一个向量)(21n αααα，，，⋅⋅⋅=使得）（b d I Y t -'~α，这里)(21nt t t t Y Y Y Y ，，，⋅⋅⋅=，0≥≥b d 。

则称序列nt t t Y Y Y ，，，⋅⋅⋅21是），（b d 阶协整，记为），（b d CI Y t ~，α为协整向量。

一般情况下,协整检验有EG 两步法与JJ 的多变量极大似然法。

步骤一：为检验序列t Y 和t X 的），（b d CI 阶协整关系。

首先对每个变量进行单位根检验，得出每个变量均为)(d I 序列，然后选取变量t Y 对t X 进行OLS 回归，即有协整回归方程：1 如果一个非平稳时间序列经过差分变换变成平稳的，称其为单整过程，经过一次差分变换的称为一阶单整，记为I(1)，n 次差分变换的称为n 阶单整，记为I(n)。

t t t X Y εβα++= （1）式中用αˆ和βˆ表示回归系数的估计值，则模型残差估计值为：t t X Y βαεˆˆˆ--＝ （2）步骤二：对（1）式中的残差项t ε进行单位根检验，一般采用ADF 检验。

协整检验的方法嘿，朋友们！今天咱来聊聊协整检验的方法。

协整检验啊，就像是在一堆看似杂乱无章的数据中寻找隐藏的秩序。

想象一下，那数据就像是一群调皮的小精灵，到处乱跑，而协整检验就是要把它们乖乖地归拢起来，看看它们之间是不是有着某种稳定的关系。

常见的协整检验方法有好几种呢。

比如说恩格尔-格兰杰检验，这就像是一个经验丰富的侦探，能从各种蛛丝马迹中找出数据之间的关联。

它通过一步步的分析和推断，来确定变量之间是否存在协整关系。

还有约翰森检验，它就像一把万能钥匙，可以打开数据中那扇神秘的协整之门。

它能更全面地考虑多个变量之间的关系，找到那些隐藏得更深的协整关系。

那怎么去运用这些方法呢？这可得仔细着点儿。

就好比你要搭积木，得一块一块稳稳地放，稍有不慎就可能全塌了。

得先对数据进行预处理吧，把那些不规整的地方都修整好。

然后再根据具体情况选择合适的检验方法，就像挑一件合适的衣服，得合身才行啊！在进行协整检验的时候，可不能马虎。

要是不小心弄错了一步，那结果可能就差之千里啦！这可不是闹着玩的，就像做饭一样，调料放错了，那味道能对吗？而且啊，不同的情况可能需要不同的方法。

就像治病，对症下药才能药到病除啊。

不能不管三七二十一，随便就用一种方法，那可不行。

协整检验在很多领域都有着重要的作用呢。

比如在经济学中，它能帮助我们理解各种经济变量之间的长期关系。

这多重要啊，就像在茫茫大海中找到灯塔一样，能指引我们前进的方向。

总之，协整检验的方法就像是一把神奇的钥匙，能打开数据背后的秘密之门。

我们得好好研究，认真运用，才能让它发挥出最大的作用。

可别小瞧了它哟，它的威力可大着呢！。

时间序列的平稳、非平稳、协整、格兰杰因果关系步骤：先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。

若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。

如果有，则可以构造VEC模型或者进行Granger因果检验，检验变量之间“谁引起谁变化”，即因果关系。

1.单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。

常用的ADF检验包括三个模型方程。

在李子奈的《高级计量经济学》上有该方法的全部步骤，即从含趋势项、截距项的方程开始，若接受原假设，则对模型中的趋势项参数进行t 检验，若接受则进行对只含截距项的方程进行检验，若接受，则对一阶滞后项的系数参数进行t检验，若接受，则进行差分后再ADF检验；若拒绝，则序列为平稳序列。

2.当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。

3.当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验：(1)EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性；(2)JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）。

4.当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别。

5.格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。

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。