苹果/安卓/wp
积分 10799, 距离下一级还需 7501 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见, 签名中使用代码
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发, 变色卡, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 置顶卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
TA的文库&&
开心签到天数: 11 天连续签到: 1 天[LV.3]偶尔看看II
计量经济时间序列所有模型讲解！40余个案例全面解析！想学把时间序列学精通，现场听课——最直接最有效的方式！
& && &&&这堂课你不仅仅学到的是EVIEWS的操作，更重要的是你对时间序列的深入了解，你对各种模型的认识，然后是懂得各种具体案例中时间序列的应用方法，并且告诉你在软件操作中（不局限于EVIEWS）应该注意的各种共性的问题。& && && && &
& && & 友情提示：如果你会EVIEWS、还会STATA、SPSS、MATLAB，那么你缺少的不是操作，而是具体各种案例中时间序列的应用方法。
培训时间：2013年4月4日-6日(三天)培训地点：北京；培训费用：3200元（含发票）；学生2400元（凭学生证报名）；
& && && && && & 差旅及住宿费用自理授课安排：(1) 授课方式：使用Eviews6.0。中文多媒体互动式授课方式(2) 授课时间：上午9:00-12:00，下午13:30-16:30(16:30-17:00答疑)开课通知:
u 历届现场照片：
& && && &&&（第一期）& && && && && && && && & （第二期）
u 讲师介绍：
& & 人大经济论坛数据处理和分析研究中心是人大经济论坛下属的研究机构，具有强大的统计计量和数据处理方面的实力，我们服务过的客户包括中国人民银行、世界银行、亚洲开发银行、各大高校研究机构、科研院所、公司和个人等，数据处理和分析的实践经验丰富、理论功底深厚。
&&&&本研究中心应用的解决数据处理和分析问题的工具包括. SAS、SPSS、MATLAB、STATA、EVIEWS、EXCEL、SPLUS&R、LINGO、MAPLE、MATHEMATICA、MATHCAD等。在对外承接数据处理业务的同时，我们也把实际数据处理的经验转化为课程，供广大有兴趣的会员朋友们学习使用。
u 讲师对Eviews软件的认识：
& & 在数字化的今天，学习一门软件是至关重要的。无论哪个行业的从业人员都意识到了这一点，无论是教学还是公司办公，excel等基础软件已不能满足人们的各类关于数据分析的需求。统计学的软件从小的到大的，不开源的到开源的，数目众多。
& & EVIEWS软件之所以成为比较受欢迎的软件是有原因的：
& & 1.这个软件有友好的操作界面，使一个初学者能够很快上手。
& & 2.软件的更新速度适度，更新后的软件功能变强大，但是依然界面友好。
& & 3.强大的运算速度绝不容忽略，它在估计用极大似然法估计的模型时表现出来的运算效果是惊人的。这是因为这个软件的算法优化做的非常出色，使得模型能够尽快达到收敛效果。
& & 4.对象化方式，所有的变量也好模型也好，矩阵也好都是以对象的形式存在的。正因为是对象化存在，所以你再调用时就变的非常简单直接。
& & 5.eviews的程序语言非简单易懂，对于一个没有接触过程序的人员来讲，这款软件的程序语言绝对是非常好的程序入门软件。
& & 6.帮助文档非常容易调取。帮助文档有pdf格式，同时有网页格式，进行搜索时你会发现他的搜索是如此的简单。
u 授课特色：
& && &主讲老师处理案例众多，经验丰富，对学员日常遇到的问题十分了解。
& & 本课程从导入数据开始到估计比较复杂的模型，本课程会让你发现这款软件的众多好处，所有的操作均以案例方式进行讲解，使课程生动活泼。课程内容丰富，几乎涵盖了所有计量模型，并且在你选择了这门软件后扩展到其他软件也非常简单。希望大家不要把学习当做负担，而是体会学习中的乐趣。
u 课程内容安排：
培训目录案例数据说明一、EViews入门介绍（1）Eviews工作界面介绍；（2）变量的生成及编辑；（3）样本区间的调整；（4）变量的排序及变量的运算；（5）工作文件的保存与调用；（6）EViews软件的退出；
案例数据说明：本案例中所采用的数据均来自中国经济信息网，数据区间为，北京市城镇家庭年平均每人可支配收入(x1)，北京市城镇家庭平均每人全年消费性支出(y1)，北京市居民消费价格指数（）(index)。案例数据说明：上证综指日收盘价（，）二、Eviews图形对象介绍（1）关于单个变量的作图：单变量的折线图，钉形图、柱形图；对于图形的编辑；（2）关于多个变量的作图：多变量折线图；做多变量的散点图（如何修改横轴和纵轴的标签）；做多变量的面积图（直观的看人口增长率）。案例数据说明：日-日上证综指日收盘价。案例数据说明：1978年-2008年北京市城镇居民收入和消费性支出数据（已经经过物价调整的）。案例数据说明：1985年和1998年城镇居民家庭8项支出占总支出的比重。案例数据说明：1978年-2008年北京市城镇居民收入和消费性支出数据（已经经过物价调整的）。案例数据说明：1980年-2008年中国人口出生率和死亡率。三、描述性统计分析（1）借助组对象方便的导入数据；单变量和多变量的描述性统计和假设检验；（2）单变量的分类描述性统计和假设检验；（3）QQ图和分布图及经验分布参数估计；（4）把数据从excel中导入到EViews中；（5）变量的相关系数矩阵，协方差矩阵。案例数据说明：日-日上证综指日对数收益率。案例数据说明：国家统计调查队分别在两个地区调查了10个家庭的收入案例数据说明：年我国粮食生产与相关投入的数据，变量包括粮食产量（单位：万吨）、农业化肥施用量（单位：万千克）、粮食播种面积（单位：公顷）。四、一元线性回归模型（1）两个变量的散点图；（2）一元线性回归方程的估计；对方程估计结果的解释与评价。（3）如何根据我们估计的回归方程计算需求的价格弹性；（4）Eviews的计算器功能；（5）方程的预测，包括样本内预测和样本外预测。
案例数据说明：1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据（已经经过物价调整的）。案例数据说明：1970年-1980年美国的咖啡平均真实零售价格（每磅美元）与消费量（每人每日杯数）（其中，零售价格是已经经过物价调整的）。五、多元线性回归模型（1）做以因变量为横轴，多个自变量为纵轴的散点图；（2）建立组对象查看自变量的相关系数矩阵；（3）多元线性回归模型的估计；对模型结果的解释和评价。多重共线性的识别及解决方案。（4）模型Wald系数约束性检验，冗余变量检验，遗漏变量检验，残差的异方差性检验和正态性检验。案例数据说明：2005年我国31个省、市、自治区的数据，因变量为地区生产总值（万元）y,各项财政支出（万元）为自变量，包括基本建设支出（x1），企业挖潜改造资金(x2)，科技三项费用(x3)，农业支出(x4)，农林水利等部门事业费(x5)，工业交通部门事业费(x6)，流动部门事业费(x7)，教育事业费(x8)，科学事业费(x9)，卫生经费(x10)，行政管理费(x11)，公检法司支出(x12)，城市维护费(13)。六、非线性回归模型（1）双对数模型；（2）半对数模型；（3）倒数模型；这里要介绍3种建立非线性模型的方法。1、通过生成新变量的办法来估计双对数模型。2、不用生成新变量直接估计双对数模型的线性最小二乘法。然后和第一种方法的结果作比较。估计模型之后对模型进行评价和解释，并做wald系数约束性检验，看制造业总体是否呈现规模报酬不变的状态。3、直接用非线性最小二乘法估计非线性模型；案例数据说明：2000年按行业分的全部制造业国有企业以及一定规模以上的制造业非国有企业的工业总产值Y（亿元）和资产合计K（亿元）及职工人数L（万人）。一共是31个样本。
案例数据说明：1973年-1987年美国GNP与货币供给（其中，GNP是经过季度调整的年度数据，M2=现钞+活期存款+旅行支票+其他支票存款+隔日RPS 和欧元+MMMF(货币市场共同基金)结余+MMDAS(货币市场存款账户)+储蓄及小额存款。）两个变量的单位是10亿美元；案例数据说明：某硫酸厂的硫酸的透明度（y）和铁杂质含量(x)，共47个观测值。七、虚拟变量模型（1）虚拟变量的定义及意义；虚拟变量的生成；（2）如何通过加项的形式将虚拟变量引入到模型中去，及其意义解释；（3）如何通过乘项的方式将虚拟变量引入到模型中去，及其意义解释。案例数据说明：如果你想研究教授的薪金是否受性别的影响，这时候就需要加入性别虚拟变量。这里我们有某学校的10位学院教授的起薪Y(千美元)和性别资料。案例数据说明：中国年以城乡储蓄存款新增额S代表的居民当年储蓄及以GNP代表的居民当年收入。我们建立这个模型的目的是为了检验1997年前后，居民的储蓄行为有没有发生变化。案例数据说明：美国1965年第一季度-1970年第四季度蔬菜业的利润（百万美元）和销售量（百万美元）。八、eviews矩阵计算（1）矩阵的建立；（2）方阵的行列式；（3）矩阵的加法；（4）矩阵的乘法；（5）矩阵的秩（标量）；（6）矩阵的迹（标量）；（7）矩阵的转置；矩阵的逆；（8）求矩阵各个列向量的相关系数；（9）建立对称矩阵；（10）对称矩阵的特征向量；（11）矩阵的内积；（12）用eviews解线性方程组。
培训目录案例数据说明一、单个经济时间序列的趋势模型、季节调整、分解与平滑（1）趋势模型。也就是以时间变量t为自变量的模型；（2）季节调整方法。传统的时间序列分析把时间序列的波动归结为四大因素：趋势变动、季节变动、循环变动、和不规则变动。其中循环变动指周期为数年的变动，通常指经济周期。季节调整方法的一个目的是为了将时间序列的各波动因素分解开，可以清楚的观察各部分的波动的具体情况，以便为更为深入研究各部分波动的变化规律提供条件。而目的之二，就是在充分了解各因素的规律后再将各因素合成在一起，从而起到预测的目的； HP滤波和BP滤波；指数平滑方法。案例数据说明：1979年-2008年我国的氮肥施用量。根据该时间序列的规律我们选择用logistic曲线建模。这种模型是不可线性化的，所以需要用非线性最小二乘法直接估计。首先需要生成时间自变量t，然后才能估计方程。这里我们采用三和值法计算非线性估计参数的初值,计算过程可以手动计算也可以通过编程计算。案例数据说明：使用上面的经过季节调整后的GDP季度数据的趋势与循环成分。这里我们要用HP滤波方法将趋势成分和循环成分分开，从而可以计算产出缺口。案例数据说明：我国的季度GDP（单位：亿元，）指标时间段为1992年第一季度到2007年第四季度，是按当季现价计算的。数据案例说明：日到日上证综指周五收盘价。共312个数据。
二、离散因变量与受限因变量模型（1）二元选择模型；（2）排序选择模型；（3）计数模型；（4）删截回归模型（censored regression model）；（5）截尾回归模型（Truncated Regression Model）；案例数据说明：变量的取值来自21个横截面个体。因变量为选择哪种交通工具上班的方式，这里只有两种选择，要么自己开车要么乘坐公共汽车，因此因变量是由两种选择的变量。因变量为选择两种交通方式去上班所用的时间差。即自变量为自己开车去上班所用的时间减去乘公交车去上班所用的时间。案例数据说明：在调查执政者的支持率的民意测验中，由于执政者执行了对某一收入阶层有利的政策而使得不同收入的市民对其支持不同，所以我们把被调查者的收入作为自变量也就是解释变量。而因变量为y表示三种态度（0，1，2分别表示支持、中立、不支持）一共24个样本数据。案例数据说明：因变量为轮船发生事故的次数，自变量为轮船的特征属性和运行时间。轮船类型有五种，分别用x1-x5表示，建造时间有四个分别用m1、m2 m2 m3 m4表示，表示使用时期的两个变量分别为z1、z2表示，运行时间用da表示。案例数据说明：共调查了753个已婚妇女，因变量为工作时间hours,自变量分别为家庭中小于6岁的小孩个数（kidsl6），已婚妇女的年龄（age），已婚妇女的受教育年限（educ），丈夫收入（hwage）。三、分布滞后模型（1）回归方程残差的序列相关性检验；（2）回归方程残差的自回归模型（AR Error Model）；（3）自回归模型（把因变量的滞后期作为解释变量）；（4）有限分布滞后模型（将自变量的当前期和滞后期作为解释变量）；（5）自回归分布滞后模型（将自变量的当前期、滞后期作为解释变量和因变量的滞后期作为解释变量）。案例数据说明：年中国商品进口M（单位亿元）与国内生产总值GDP（单位亿元）。其中，因变量为商品进口额，自变量为国内生产总值。案例数据说明：承接上面的案例，修正模型中存在的序列相关性问题。调整模型之后要进行序列相关性检验。案例数据说明：数据为1983年12月到2006年5月美国的居民消费价格指数（CPI）。案例数据说明：数据为1983年12月到2006年5月美国的居民消费价格指数(CPI)和工资率(wage)，建立完模型之后要进行序列相关性检验。案例数据说明：数据为1983年12月到2006年5月美国的居民消费价格指数和工资率。建立完模型之后要进行序列相关性检验。四、时间序列ARIMA模型（1）如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性；（2）检验序列是否可以通过差分的方式来实现平稳性；（3）通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数；（4）对估计的模型进行检验，包括显著性检验和残差序列的相关性检验；（5）用我们建立的ARIMA或SARIMA模型进行预测；
案例数据说明：中国年底总人口数。单位：万人。（ARIMA）案例数据说明：北京市1978年1月至1989年12月社会商品零售额月度序列（单位：亿元）。共144个观测值。(SARIMA)五、单位根检验和基于残差的协整检验（1）时间序列数据的平稳性说明；（2）时间序列平稳性的DF和ADF单位根检验；（3）时间序列平稳性的DFGLS单位根检验；（4）时间序列平稳性的PP单位根检验；（5）时间序列平稳性的KPSS单位检验；（6）时间序列平稳性的ERS单位根检验；（7）时间序列平稳性的NP单位根检验；（8）协整检验；（9）建立误差修正模型；案例数据说明：1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据（已经经过物价调整的）。六、 自回归条件异方差模型（1）通过日收盘价生成对数收益率变量；（2）对数收益率序列的平稳性检验；（3）均值方程的确定以及残差的序列相关检验；（4）对残差平方的序列相关检验；（5）对残差平方做线形图；（6）对均值方程的残差做ARCH-LM检验；（7）建立各种形式的ARCH模型并对新的残差序列进行ARCH—LM检验；（8）根据我们建立的ARCH模型对收益率序列的方差进行预测。案例数据说明：2003年1月6日—日上证综指日收盘价，共1569个观测值。七、Eviews编程应用（1）如何把以前一年为基期计算的居民消费价格指数换算成以某一年为基期计算的居民消费价格指数；（2）如何把名义变量（分类变量）转换成虚拟变量。案例数据说明：年以前一期为基期计算的居民消费价格指数。案例数据说明：日—日上证综指日收盘价，共1569个观测值。
培训目录案例数据说明一、联立方程计量经济学模型
（1）联立方程模型的介绍；（2）联立方程模型的概念以及分类；（3）联立方程模型的识别；（4）联立方程模型的估计；
案例数据说明：一个包含3个方程的中国宏观经济模型
二、向量自回归模型（1）VAR模型的有关概念(非结构化的向量自回归模型)；（2）有关SVAR模型的有关概念；VAR模型的识别条件；（3）SVAR模型的短期约束；（4）格兰杰因果关系检验；VAR模型滞后阶数p的的确定；（5）脉冲响应函数；（6）方差分解；（7）Johansen协整检验；（8）向量误差修正模型；案例数据说明：年工业增加值指数（y1），房地产业增加值指数(y2)，批发和零售业增加值指数(y3)，交通运输、仓储和邮政业增加值指数(y4)。为避免数据的剧烈波动首先需要进行对数化处理。三、面板数据模型（1）面板数据和面板数据模型的简单介绍；（2）如何将面板数据导入到Eviews中；（3）面板数据模型的分类；（4）固定影响（效应）变截距模型；（5）随机影响（效应）变截距模型；（6）Hausman检验；（7）面板数据的单位根检验；（8）面板数据的协整检验。案例数据说明：年中国31个省级地区的城镇居民家庭全年人均消费性支出、全年人均可支配收入、城镇居民消费价格指数（）。四、分位数回归（1）分位数回归简单介绍；（2）分位数回归的优势；（3）分位数回归的操作步骤；（4）分位数回归的结果分析。案例数据说明：这个案例是计算教育收益率的。数据为某一年的城镇用户调查，共选了600条观测。
五、极大似然估计（1）极大似然估计的原理介绍；（2）多元线性回归的对数似然函数及其推导；（3）用EViews软件实现多元线性回归的极大似然估计；GARCH(1,1)模型的对数似然函数；（4）用EViews软件实现GARCH(1,1)模型极大似然估计案例数据说明：中国客运总量模型。因变量为中国客运总量，用y表示(单位为10亿人次)。自变量为全国人口数（单位为亿人），人均国内生产总值（单位为千元），铁路营业里程数（单位为万公里），公路水路营业里程之和（单位为万公里），分别用X1，X2，X3，X4表示。时间区间为1990年到2003年。案例数据说明：深证成指到的日收盘价。六、方差膨胀因子（1）方差膨胀因子计算公式；（2）通过建立辅助回归方程的形式来计算方差膨胀因子；（3）以矩阵计算的方式来计算变量的方差膨胀因子；（4）方差膨胀因子大小评价准则。案例数据说明：2005年我国31个省、市、自治区的数据，因变量为地区生产总值（万元）y,各项财政支出（万元）为自变量，包括基本建设支出（x1），企业挖潜改造资金(x2)，科技三项费用(x3)，农业支出(x4)，农林水利等部门事业费(x5)，工业交通部门事业费(x6)，流动部门事业费(x7)，教育事业费(x8)，科学事业费(x9)，卫生经费(x10)，行政管理费(x11)，公检法司支出(x12)，城市维护费(13)。
&&(1)同一单位3人以上报名，9折优惠。
&&(2)已经报名缴费的学员可以五折价格购买对应的EViews6.0计量经济与时间序列分析班视频课。
u 咨询联系方式樊老师电话：qq：邮箱：
CDA数据分析交流群
回帖奖励 +3 个论坛币
课程内容很充实。
回帖奖励 +3 个论坛币
支持刘老师，讲的超好！！！！！
回帖奖励 +3 个论坛币
dddddddddddddddd
回帖奖励 +3 个论坛币
现在正学着
回帖奖励 +3 个论坛币
不错的计量软件，支持！
回帖奖励 +3 个论坛币
很好很强大
回帖奖励 +3 个论坛币
回帖奖励 +3 个论坛币
回帖奖励 +3 个论坛币
一直不会做面板数据……
初级热心勋章
初级热心勋章
初级学术勋章
初级学术勋章
中级学术勋章
中级学术勋章
中级热心勋章
中级热心勋章
初级信用勋章
初级信用勋章
中级信用勋章
中级信用勋章
高级学术勋章
高级学术勋章
高级热心勋章
高级热心勋章
高级信用勋章
高级信用勋章
特级信用勋章
高级信用勋章
特级学术勋章
特级学术勋章
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 1735, 距离下一级还需 490 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发, 变色卡, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
本帖最后由 wanghaidong918 于
21:59 编辑
因为gdp是季节性数据，我想请问如何处理
这里可以用虚拟变量的知识来解决。例如一年有4个季度，你可以定义X1 X2 X3 X4，春季的时候，就在下面输入数据1 0 0 0
夏季就输入数据0 1 0 0 如此类推~然后再加上GDP之类等栏的数据，就可以运算啦~~~
发表于10楼
直接eviews里面用X12法估计把 ，简单又方面，省的用虚拟变量。首先看时序图，是否有季节趋势，然后再分析。。最后搞出GDP_SA的就好。
你找下虚拟变量在季节分析中的应用看下！模型很简单的
y=c+b1D2+b2D3+b2D4+E
其中，D2D3D4分别代表2-4季节并取值为1.第一季度取值为0.大概是这样了！
本帖被以下文库推荐
& |主题: 8540, 订阅: 61
找本参考书看下
开门七件事
建议设立的模型用虚拟变量来解释季节变动！
读万卷书、行千里路、广交天下好友！
开门七件事
你找下虚拟变量在季节分析中的应用看下！模型很简单的
y=c+b1D2+b2D3+b2D4+E
其中，D2D3D4分别代表2-4季节并取值为1.第一季度取值为0.大概是这样了！
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
学术水平 + 1&
热心指数 + 1&
读万卷书、行千里路、广交天下好友！
这里可以用虚拟变量的知识来解决。例如一年有4个季度，你可以定义X1 X2 X3 X4，春季的时候，就在下面输入数据1 0 0 0& & 夏季就输入数据0 1 0 0 如此类推~然后再加上GDP之类等栏的数据，就可以运算啦~~~
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
如果数据不但具有季节性，而且还具有趋势性，可以考虑时间T、虚拟变量d1 d2 d3作为解释变量，建立计量模型，进行计量经济学分析。
非常谢谢啦。
可以用x11或x12进行季节性处理。选proc_seasonal adjustment,然后选季节处理的方法就行了
[img][/img]
直接eviews里面用X12法估计把 ，简单又方面，省的用虚拟变量。首先看时序图，是否有季节趋势，然后再分析。。最后搞出GDP_SA的就好。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 111, 距离下一级还需 34 积分
权限: 自定义头衔
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
难过签到天数: 19 天连续签到: 1 天[LV.4]偶尔看看III
我只研究了两个变量，两者都是一阶单整，然后用EG两步法检验协整，长期均衡方程中的残差项自相关，所以引入AR(1)消除自相关。再对消除自相关后的残差进行ADF检验，是平稳的，所以协整。
问题是，做ECM模型时，用变量的一阶差分项、消除自相关后的残差的滞后一期进行回归，发现常数项、ecm(-1)项系数不显著，删掉常数项后ecm(-1)项系数还是不显著。高铁梅、张晓峒的书上都没解释这种情况怎么处理，求各位大神知道！
紧急！论文要交了！
误差修正项ecm 的系数的大小：反映的是偏离长期均衡的调整力度。个人感觉，既然加入滞后项了，那么就利用ADL（1,1）模型代替协整，可以附带检验ADL（1,1）后的残差项的稳定性、自相关性以及异方差，不符合可以加AR修正，当以上完全符合后，得出的ADL模型就表明了两个变量存在着一定的长期关系，协整是ADL（1,1）的一种特殊情况。这样之后再利用ECM分析短期。。。个人感觉第三种做法有点意外，把ecm项要反应的的意义给变化了。
想说的是：首先，并非任何两个变量两组数据都可以达到理想的效果，出现问题是完全可能的，没有数据分析的结果是完美的。其次，像这种问题，一方面在协整时，可以不用考虑残差是否自相关，自相关不影响估计得线性无偏，协整反应的是两者的长期关系，而ECM是短期波动。另一方面，从源头解决，考虑对数据进行变换，（不影响稳定性），比如取对数，季节调整，标准化等等，最后总能得出比较理想的结果。试试吧。
本帖被以下文库推荐
& |主题: 8540, 订阅: 61
想说的是：首先，并非任何两个变量两组数据都可以达到理想的效果，出现问题是完全可能的，没有数据分析的结果是完美的。其次，像这种问题，一方面在协整时，可以不用考虑残差是否自相关，自相关不影响估计得线性无偏，协整反应的是两者的长期关系，而ECM是短期波动。另一方面，从源头解决，考虑对数据进行变换，（不影响稳定性），比如取对数，季节调整，标准化等等，最后总能得出比较理想的结果。试试吧。
热心帮助其他会员
总评分:&经验 + 20&
论坛币 + 20&
Goldenweek 发表于
想说的是：首先，并非任何两个变量两组数据都可以达到理想的效果，出现问题是完全可能的，没有数据分析的结 ...很感谢Goldenweek的指导。
先说说文章的情况，我是研究白银股票价格LNGP和白银现货价格LNBY的关系，可能就两个变量考虑得比较少，所以导致后面一系列问题，对于您的建议，有以下几点：
1. 数据方面我已经取对数了，而且是日数据，所以应该不考虑季节调整。
2. 对于EG协整时的自相关问题，我重新对未消除自相关的残差进行ADF检验（无截距无趋势），结果也是平稳的。消除自相关后得到长期均衡方程，自变量的系数就比较有解释力了，因为它是一个长期的弹性。
3. ECM上，我尝试在回归方程时加入滞后一期的变量，即加入DLNGP(-1)和DLNBY(-1)，结果表明DLNBY、DLNGP(-1)和DLNBY(-1)的系数都10%显著，ECM(-1)的系数为负，其p值稍微大于0.1，勉强来说也可以显著。
请问第三点的做法可以吗？之前好像在论坛上看过说可以在ecm模型加入差分滞后项，所以就想问问是不是这样。恳求您的指导啊~~
误差修正项ecm 的系数的大小：反映的是偏离长期均衡的调整力度。个人感觉，既然加入滞后项了，那么就利用ADL（1,1）模型代替协整，可以附带检验ADL（1,1）后的残差项的稳定性、自相关性以及异方差，不符合可以加AR修正，当以上完全符合后，得出的ADL模型就表明了两个变量存在着一定的长期关系，协整是ADL（1,1）的一种特殊情况。这样之后再利用ECM分析短期。。。个人感觉第三种做法有点意外，把ecm项要反应的的意义给变化了。
你好，请问你的问题解决了吗，怎么解决的，我也有同样的问题
ＥＣＭ系数不显著，加入滞后项就无意义了吗？
细雨江南痴书生
难道你们都不看书么？两个变量系数的统计不显著，恰恰说明连个变量之间相互调适的速度非常快。尤其是在高频数据中。古扎拉蒂《计量经济学原理与实践》P267.
Goldenweek 发表于
想说的是：首先，并非任何两个变量两组数据都可以达到理想的效果，出现问题是完全可能的，没有数据分析的结 ...请问您这个问题最终是如何解决的？我的也存在ecm项系数不显著的问题，恳求您的指导
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师