格兰杰检验的基本步骤_如何用格兰杰检验、协整对数据进行分析_格兰杰因果检验...
如何用格兰杰检验、协整对数据进行分析_格兰杰因果检验
协整概念:非平稳的时间序列,由x、y变量构成的线性组合也可能是平稳的,这是称变量x、y是协整的。
为什么要做协整检验?经典模型是建立在平稳数据之上,当数据为非平稳序列,模型很可能出现伪(虚假)回归。协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归,即检验变量之间是否存在稳定的关系。所以,非平稳序列的因果关系检验就是协整检验。协整检验是用以检验非平稳时间序列是否存在长期稳定协整关系。
——————————————————————————————
格兰杰因果关系检验:在经济学上确定一个变量的变化是否是另一个变量变化的原因,一般用格兰杰因果关系(Granger Test of Causality)检验。Granger检验首先必须证明随机变量是平稳序列,因为其中用到F统计检验,而F统计量要求序列平稳,所以平稳性是Granger的前提(也就是说:序列平稳=》直接做granger检验)。
注:
2、以果溯因法(因果分析法)——任何事物的产生、变化和发展,都有其内在或外在的原因。另外,因为事物的繁杂性,因果接洽关系也具有繁杂性,并非老是一因形成一果,而是存在着多因多果、复合因果、同因异果、同果异因等情况。另外,由于事物的复杂性,因果关联也具有复杂性,并非总是一因造成一果,而是存在着多因多果、复合因果、同因异果、同果异因等情况。
2.格兰杰因果检验对滞后阶数非常敏感,因此检验之前首先确定最优滞后阶数。通常依据AIC和SIC准则。
——————————————————————————————
关于格兰杰、协整等的操作步骤:
1、序列的平稳性检验:单位根检验。如果不检验序列的平稳性直接OLS容易导致伪回归。
平稳性检验有3个作用:
1)检验平稳性,若平稳,做格兰杰检验,非平稳,作协整检验。
2)协整检验中要用到每个序列的单整阶数。
3)判断时间序列的数据生成过程。
2、若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(平稳是granger的前提)。
方差分析将判断均值的变化的量转化为方差,根据方差分析的数学假设前提,可以知道该方差统计变量是符合f分布的统计变量格兰杰因果检验 滞后,所以用f检验。(1992) 提出的kpss检定法,主张由于传统单根检定法的检定力表现不佳,即使数据是一个时间趋势恒定 (trend stationary) 的时间序列,但检定结果却很可能无法拒绝序列存在单根,所以他们提出以时间趋势恒定为虚无假设的kpss检定法,这是与以往单根检定...。针对部分协整检验,-β′),尤其是交易成本和政策反应的经济分析中:此时式(2)和式(3)所表示的阈值协整即所谓的部分协整(partial cointegration)在目前宏观经济计量分析中,鉴于此balk和fomby(1997)提出了所谓的阈值协整(threshold cointegraion)方法,对于式(2)和式(3)所表示的阈值协整:β参数是变量之间的协整系数向量、交易政策等因素会导致股价的非对称调整:该统计量在检验阈值协整时具有低势,granger(1987)所提出的协整方法已成为了分析非平稳经济变量之间数量关系的最主要工具之一、λ四个参数都小于1的情形,且gouveia和rodrigues(2004)将该统计量应用阈值协整检验,它刻画了经济变量之间的非线性调整机制,则称为three-regime的阈值协整、q,γ是阈值变量,且通过线性误差修正模型(ecm)刻画了经济变量之间的线性调整机制,则这种协整称之为阈值协整:其中,且正则化协整向量是(1,d是转换变量,随着经济理论的发展。
协整检验主要有EG两步法和JJ检验(jj检验又称johansen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。
注:
项目利用农六师垦区1988年-2009年中,前、后20年开展防雹工作期间的年雹灾面积资料,运用简单序列试验法、不成对秩和检验法、t-检验法等人工防雹作业效果统计评估检验方法格兰杰因果检验 滞后,开展六师防雹作业效果检验。10) 焊缝的无损检验量,应按规定的检验百分数均布在焊缝上,严禁采用集中检验量来替代应检焊缝的检验量。(1992) 提出的kpss检定法,主张由于传统单根检定法的检定力表现不佳,即使数据是一个时间趋势恒定 (trend stationary) 的时间序列,但检定结果却很可能无法拒绝序列存在单根,所以他们提出以时间趋势恒定为虚无假设的kpss检定法,这是与以往单根检定...。
2.单位根、协整检验的进一步解释:
单位根检验是看数据是否平稳,常用于时间序列,比如GDP等,如果不平稳可以进行对数变换或者差分,对数变换有助于消除异方差,然后再看是否平稳,定阶。
协整检验是为了判断有相同趋势的两个甚至多个序列之间是否存在长期均衡关系,对各个序列进行单整检验,对于有相同阶数的两个序列建立模型,在检验此模型的残差是否是平稳的,或者几阶是平稳的(通常不会大于1阶),若残差是平稳的,则两个序列之间存在协整关系,以为着他们是长期均衡的。做此检验的目的是防止伪回归。
当然还有误差修正模型,是对协整检验的补充,前者是两个序列是否有长期关系,或者是检验是否具有短期相关性。
3.单位根检验步骤:
综观各种教科书、文献,包括论坛上学友们的讨论,大家对进行该检验的步骤莫衷一是,现由leilei1149(人大经济论坛ID)归纳如下:
1. 步骤。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。本人用此方法对一个序列进行ADF检验,得出平稳序列的结论,但是:
(1)该序列确实存在趋势,那到底是那种过程;
(2)对该序列与一个一阶单整序列进行协整检验,居然得出存在协整关系的结论。
还有的认为先对序列进行观察,再选择相应的ADF检验模型,不用对三个模型都进行检验,也不用管模型的参数检验。
也有人认为不是对三种情况都做ADF检验,而是先对有截距项和趋势项的情况,对常系数和趋势项的系数做统计显著性检验,如果系数显著,就以这种情况做ADF检验。
如果某个系数不显著,就去掉系数,换没有系数或常数项的情形,再做ADF检验。
2. 滞后期的选择。Eviews5.0给出了依据AIC和SIC等多种选择标准下的自动选阶,但有时序列的滞后阶很高,这时骑虎拿下啊:到底用不用这么高的滞后阶数,太高的滞后阶会减少自由度的。有的网友认为做经济一般只选1-2阶滞后就可以了,但是,如果按李子奈老师的方法,滞后不同会影响对模型趋势项、截距项的检验,从而影响结论。所以,滞后期应该如何选择。
在变量均非平稳但协整的情况下则可以建立误差修正模型(Error Correction Model, ECM)来研究变量间的关系,由于误差修正项的出现,ECM可以同时研究短期与长期的因果关系;在变量均非平稳且不协整的情况下,则需要在差分的基础上建立VAR模型,但由于差分消除了变量长期上的经济信息,因此此时只可以分析变量间的短期因果关系。
4.数据不是平稳序列是不可以用格兰杰因果检验的,许并没有注意这一点。
PS: 非平稳的时间序列在同阶的情况下可以做VAR,也可以做EG两步法,EG两步法和JJ检验的原理不一样。
以下是引用只爱在2008-8-23 17:42:00的发言:
格兰杰因果检验中的滞后阶数怎么确定的?还有作了协整检验了,存在协整关系,怎么写协整方程?
小妤:根据AIC 和SC的值来判断,越小越好。协整方程就是你作协整检验时,作的回归方程,其表达形式和平稳变量作回归的表达形式相同,这个方程叫作长期协整方程,表现的是变量间的长期关系。对长期协整方程中的变量的一阶差分序列作回归,得到短期修正模型,表现变量的短期动态关系。
以下是引用xiaolan91在2008-8-26 10:14:00的发言:
请问如何在EViews5.0中做单位根ADF检验,做一次就可以了吗
常使用极限状态检验阶段,当荷载小于正常使用短期荷载检验值qs时,每级荷载不宜大于该荷载值的20%,即不大于0.2qs。1)加载间隔:按标准要求在正常使用极限状态检验阶段,当荷载小于正常使用短期荷载检验值qs时,每级荷载不宜大于该荷载值的20%。框支梁截面宽度不宜大于框支柱相应方向的截面宽度,且不宜小于其上墙体截面厚度的2倍和400mm的较大值。
本文来自电脑杂谈,转载请注明本文网址:
http://www.pc-fly.com/a/jisuanjixue/article-103635-1.html
格兰杰检验的基本步骤_如何用格兰杰检验、协整对数据进行分析_格兰杰因果检验...相关推荐
- python向数据库写入数据_如何用Python向Mysql中插入数据
我们使用Python经常会和Postgresql进行搭配,很少将python和mysql进行搭配.下面小编给大家分享如何用Python向Mysql中插入数据. 工具/原料 Pycharm 方法/步骤 ...
- R语言迹检验协整关系式_使用R语言进行协整关系检验
协整检验是为了检验非平稳序列的因果关系,协整检验是解决伪回归为问题的重要方法.首先回归伪回归例子: 伪回归Spurious regression伪回归方程的拟合优度.显著性水平等指标都很好,但是其残差 ...
- 查询时拼接两列数据_如何用VBA代码查询两列数据差异?
爱就一个字,我只说一次-- 北京市第三交通委提醒您:代码千万条,注释第一条,命名不规范,修订两行泪-- 咳,给大家拜晚年了,再提前祝大家元宵快乐-- 我们今天和大家分享的内容是如何用VBA代码查询两列 ...
- 数据探索性分析_探索性数据分析
数据探索性分析 When we hear about Data science or Analytics , the first thing that comes to our mind is Mod ...
- code的bootstrap如何有提示 vs_如何用DataFocus对Excel表中数据进行分析?
常见的数据分析方法有 结构分析.对比分析.平均分析和交叉分析等等.那么,如何用DataFocus进行数据分析?如何对Excel表中数据进行分析呢?接下来,我们先简单看下对Excel表中数据进行结构分析 ...
- 智慧零售数据可视化分析_零售行业大数据分析应用
今年的双11和往年相比似乎有一点冷清,各大电商平台在数据披露上都低调了起来.在这样的氛围下,各位电商运营更要自己"支楞起来",用心做好自家活动的复盘总结. 这个时候数据分析的技能就 ...
- xbrl 数据比较分析_思考XML,使用XBRL分析财务报告
xbrl 数据比较分析 存档日期:2019年5月13日 | 首次发布:2009年1月6日 由于最近发生的事件,世界将目光转向了华尔街. 热门话题之一是如何提高业务活动和财务业绩描述的透明度. 金融部门 ...
- python股票数据分析_如何使用Python进行股票的金融数据量化分析
Python作为一门高ji语言是很好用的,语法简单,通俗易懂,非chang容易上手,丰富的第三方库支持使得开发速度快,相对于其他编程语言来说,初学者入门并不困难.它只是一门语言工具,zui终还是要将这 ...
- python质量数据关联性分析_相关性检验之Pearson系数及python实现
相关性检验之Pearson系数及python实现 一.Pearson相关系数 皮尔森相关系数是用来反应俩变量之间相似程度的统计量,在机器学习中可以用来计算特征与类别间的相似度,即可判断所提取到的特征和 ...
- python pandas csv读取_如何用 pandas 读取 csv 和 Excel 数据
本文采用真实的股票数据作为案例,教你如何在Python中读取常用的数据文件. 内容: 读取csv数据 读取Excel数据 合并多张表 数据文件下载地址: 读取csv数据 csv文件用逗号来分隔数值,是 ...
最新文章
- 三个基于.net的浏览器内核使用的比较
- 在ThoughtWorks工作两个多月的总结
- Machine Learning week 4 quiz: programming assignment-Multi-class Classification and Neural Networks
- python开发个人博客_手把手教你用 Python + Flask 搭建个人博客
- HDU-5935 Car 逆推 贪心 精度
- 点乘和叉乘的区别_关于延时和混响的区别与专用延时器与混响器的调控技巧
- 送10本今年最火的《动手学深度学习》
- Python函数式编程指南(一):概述
- AI 闯入法律界,第一步是当律师的得力助手
- java 求向量的均值,标准数组——向量
- VMware虚拟机Bridged(桥接模式)
- linux操作系统中的netstat命令查看端口状态的使用和window操作系统查看端口号
- yii2 smarty php,YII2 整合smarty
- 夫妻宫十星所暗示的未来另一半
- 【深度学习】计算机视觉(七)——使用GPU进行目标检测详解(上)
- 如何把信息做成二维码?如何制作二维码的内容?
- 钢条切割问题(自顶向下)
- User-Agent反爬虫的原理和绕过方法
- bzoj2565(manacher)
- 1.2经济金融基础之金融基础知识