日记1-时间序列协整进步
文章目录
- 前言
- 一、什么是时间序列?
- 二、探究自变量与因变量的关系
- 1.平稳性检验
- 2.差分运算
- 3.协整检验
- 3.1单个协整关系Engle-Granger检验
- 3.2多个协整关系Johansen协整检验
- 3.3VECM向量误差修正模型
- 注:
前言
粗略学习了时间序列的协整检验,也跟着教程用EViews软件计算了一些东西,但总不明白目的是啥,也不太懂协整方程的意义,记录一些教程网址和思考,方便学习。
教程:公众号《财经节析》
网址:https://mp.weixin.qq.com/s/XXoV9qBzhT5ghwDrKw4KlA
一、什么是时间序列?
时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。
对长度达到15及以上时间序列的进行回归分析之前,必须进行各种检验,防止伪回归现象!
本文所进行的所有检验,都是为了防止伪回归!
假如是伪回归,算出什么数据都没意义!
二、探究自变量与因变量的关系
1.平稳性检验
对时间序列数据进行回归分析,第一步必须进行平稳性检验,如果所有变量都是平稳的,那可以直接进行回归。
下面对各变量进行单位根检验(平稳性检验的一种):
原理:https://mp.weixin.qq.com/s/ENz2sj10HzJrfvkgPj95QQ
EViews步骤:https://mp.weixin.qq.com/s/JNuz2hn0rgrHTmnWuvVY1w
- 无截距项和趋势项
- 有截距项
- 既有截距项,又有趋势项
若不拒绝原假设,yt为含单位根的非平稳序列;若拒绝原假设,1 、2为 平稳时间序列,3为趋势平稳(不是真的平稳,要去趋势才平稳)
但真实数据经常是不平稳的,或者不是所有都平稳的,这样要怎么继续呢?
我目前的理解:
- 差分运算
- 协整检验
这两种我都进行了尝试(图为之前的思维导图)
2.差分运算
对于函数 ,一阶向后差分为:
对差分后的序列进行单位根检验,结果发现绝大部分变量都为一阶差分平稳,则可以利用这些变量进行回归分析,目前采用自变量与因变量的Pearson相关系数,得到结果。
一阶差分平稳后,我能用来做很多分析吧!要挖掘!
回归得到的结果有什么用处!如何分析!
3.协整检验
对于非平稳时间序列,除了进行差分求平稳外,还可以直接利用非平稳变量进行建模。
虽然一些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,且可解释为变量之间的长期稳定的均衡关系。
3.1单个协整关系Engle-Granger检验
原理:
https://mp.weixin.qq.com/s/UZYkm7bQ_9mFIfjVnJFIaw
步骤:https://mp.weixin.qq.com/s/cCEZ-rsQjQrJby1HEhfmgw
3.2多个协整关系Johansen协整检验
原理:https://mp.weixin.qq.com/s/aQvzneSRqGAfTnSbPAszcg
步骤:https://mp.weixin.qq.com/s/vklUEmRXj4UuMkRosW48Dg
3.3VECM向量误差修正模型
步骤:https://mp.weixin.qq.com/s/ulMNpbhVLOeGb4NHdPvyKA
Johansen协整方程 和 VECM回归结果书写:
https://mp.weixin.qq.com/s/ZAt7asu3QCDiWmPM-2by9A
事实上EG两步法也可以用于多变量协整关系的检验,只是在ADF的临界值不能采用Eviews提供的临界值,而必须采用Engle and Granger提供的临界值。
出处:https://my.oschina.net/u/4606941/blog/4482200
注:
1.进行协整检验时,不必要求所有变量为一阶差分平稳,只要最高阶数的变量有两个及以上,就可以进行分析。
2.附《协整回归临界值表》
1)表中的“常数项,无趋势项”、“常数项,趋势项”指的是协整回归方程中是否含常数项(截距项)、趋势项,不是指残差单位根检验,残差检验式只是None(第1种情形);
2)N表示协整回归中所含变量个数——被解释变量加所有解释变量个数。
日记1-时间序列协整进步相关推荐
- rstudio协整检验代码
当然,你可以使用 cadf.test 函数进行协整检验.例如: library(tseries)# 假设你有两个时间序列 x 和 y# 检验 x 和 y 是否协整 cadf.test(x, y) 这将 ...
- python平稳性检验_python statsmodels coint协整关系检验与结果分析
在满足数据的平稳性后,使用原时间序列进行coint协整检验.(如果前面有进行一阶差分,也不能用一阶差分的序列,切记) statsmodels.tsa.stattools.coint statsmode ...
- 计量经济学之时间序列的平稳性、单位根检验、协整检验、时间序列数据的一般处理流程
时间序列的平稳性 为什么要把时间序列变成平稳的?--平稳性的意义 如何检验时间序列数据的平稳性?--单位根检验 数据不平稳怎么办?--协整检验 单整.协整(cointegration) 协整检验 总结 ...
- R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系...
全文链接:http://tecdat.cn/?p=31108 作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题.(点击文末&quo ...
- 计量经济学之时间序列分析学习笔记(单位根检验、协整检验、单整阶数判断、ECM建模)——基于R(二)
一.生成时间序列 data1=matrix(0,1000,1) for(i in 1:1000) {data1[i+1]=data1[i]+rnorm(1)} plot(data1,type=&quo ...
- 时间序列学习(6):单整、协整、格兰杰检验
时间序列学习(6):单整.协整.格兰杰检验 1.单整序列 2.协整关系 3.模型解释与协整检验 4.华泰柏瑞300与兴全300究竟能否搬砖? 前面的笔记里,我们都是在研究一个时间序列(不同时间段)中的 ...
- 基于时间序列的协整关系的配对交易
数据来源:Vitu.AI (一)什么是配对交易? 统计套利之配对交易是一种基于数学分析交易策略,其盈利模式是通过两个标的的差价(spread)来获取,两者的价格走势虽然在中途会有所偏离,但是最终都会趋 ...
- 时间序列之协整检验(3)
协整检验 1. 协整检验(cointegration test) 2. 常用的协整检验 3. 研究变量之间的协整关系,对研究经济问题的定量分析有着重要的意义: 5. 用Eviews代码进行协整检验 4 ...
- Eviews用向量自回归模型VAR实证分析公路交通通车里程与经济发展GDP协整关系时间序列数据和脉冲响应可视化
最近我们被客户要求撰写关于向量自回归模型的研究报告,包括一些图形和统计输出. 视频:向量自回归VAR数学原理及R软件经济数据脉冲响应分析实例 [视频]向量自回归VAR数学原理及R语言软件经济数据脉冲响 ...
- Eviews用向量自回归模型VAR实证分析公路交通通车里程与经济发展GDP协整关系时间序列数据和脉冲响应可视化...
全文下载链接:http://tecdat.cn/?p=27784 河源市是国务院1988年1月7日批准设立的地级市,为了深入研究河源市公路交通与经济发展的关系,本文选取了1988-2014年河源市建市 ...
最新文章
- wpf 对控件进行截图,获取快照
- python线下培训-Python培训是应该选择线上还是线下呢?
- 空间金字塔方法表示图像
- 电商必备:如何选择第三方快递?
- 五相同步电机matlab模型,五相永磁同步电机空间矢量PWM控制系统MATLAB仿真
- 【软件构造】第一章 软件构造基础(1)
- P3389 【模板】高斯消元法
- JAVA Pattern和Matcher 的用法
- 如果女孩子一辈子不结婚,那会是怎样的人生?
- Project——编制进度计划、保存基准
- FFmpeg架构之I/O模块分析
- 改完计算机名自动重启 vbs,ghost后自动修改IP和计算机名的VBS脚本
- Mybatis3 最简例子
- Lucene多字段排序备忘(Sorting by multiple fields)
- ssh框架的学习之strut2小测试(2)
- CF134C Swaps 题解
- 服务器 ftp查询文件是否存在,ftp查看远程服务器文件是否存在
- 深度硬核,思维导图拯救拖延症患者!
- PHP网页简单的计算机源代码
- 电子书籍下载网站集锦(不断更新中...)