使用R语言进行协整关系检验

~ 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，但是其残差序列是一个非平稳序列，拟合一个伪回归:
#调用相关R包
library(lmtest)
library(tseries)
#模拟序列
set.seed(123456)
e1=rnorm(500)
e2=rnorm(500)
trd=1:500
y1=0.8*trd+cumsum(e1)
y2=0.6*trd+cumsum(e2)
sr.reg=lm(y1~y2)
#提取回归残差
error=residuals(sr.reg)
#作残差散点图
plot(error, main="Plot of error")
#对残差进行单位根检验
adf.test(error)
## Dickey-Fuller = -2.548, Lag order = 7, p-value = 0.3463
## alternative hypothesis: stationary
#伪回归结果，相关参数都显著
summary(sr.reg)
## Residuals:
## Min 1Q Median 3Q Max
## -30.654 -11.526 0.359 11.142 31.006
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -29.32697 1.36716 -21.4 <2e-16 ***
## y2 1.44079 0.00752 191.6 <2e-16 ***
## Residual standard error: 13.7 on 498 degrees of freedom
## Multiple R-squared: 0.987, Adjusted R-squared: 0.987
## F-statistic: 3.67e+04 on 1 and 498 DF, p-value: <2e-16
dwtest(sr.reg)
## DW = 0.0172, p-value < 2.2e-16
恩格尔-格兰杰检验Engle-Granger第一步：建立两变量（y1,y2）的回归方程，第二部：对该回归方程的残差(resid)进行单位根检验其中，原假设两变量不存在协整关系，备择假设是两变量存在协整关系。利用最小二乘法对回归方程进行估计，从回归方程中提取残差进行检验。
set.seed(123456)
e1=rnorm(100)
e2=rnorm(100)
y1=cumsum(e1)
y2=0.6*y1+e2
# (伪)回归模型
lr.reg=lm(y2~y1)
error=residuals(lr.reg)
adf.test(error)
## Dickey-Fuller = -3.988, Lag order = 4, p-value = 0.01262
## alternative hypothesis: stationary
error.lagged=error[-c(99,100)]
#建立误差修正模型ECM.REG
dy1=diff(y1)
dy2=diff(y2)
diff.dat=data.frame(embed(cbind(dy1, dy2),2))#emed表示嵌入时间序列dy1,dy2到diff.dat
colnames(diff.dat)=c("dy1","dy2","dy1.1","dy2.1")
ecm.reg=lm(dy2~error.lagged+dy1.1+dy2.1, data=diff.dat)
summary(ecm.reg)
## Residuals:
## Min 1Q Median 3Q Max
## -2.959 -0.544 0.137 0.711 2.307
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.0034 0.1036 0.03 0.97
## error.lagged -0.9688 0.1585 -6.11 2.2e-08 ***
## dy1.1 0.8086 0.1120 7.22 1.4e-10 ***
## dy2.1 -1.0589 0.1084 -9.77 5.6e-16 ***
## Residual standard error: 1.03 on 94 degrees of freedom
## Multiple R-squared: 0.546, Adjusted R-squared: 0.532
## F-statistic: 37.7 on 3 and 94 DF, p-value: 4.24e-16
par(mfrow=c(2,2))
plot(ecm.reg)
Johansen-Juselius(JJ)协整检验法，该方法是一种用向量自回归(VAR)模型进行检验的方法，适用于对多重一阶单整I(1)序列进行协整检验。JJ检验有两种：特征值轨迹检验和最大特征值检验。我们可以调用urca包中的ca.jo命令完成这两种检验。其语法：
ca.jo(x, type = c("eigen", "trace"), ecdet = c("none", "const", "trend"), K = 2,spec=c("longrun", "transitory"), season = NULL, dumvar = NULL)
其中：x为矩阵形式数据框；type用来设置检验方法；ecdet用于设置模型形式：none表示不带截距项，const表示带常数截距项，trend表示带趋势项。K表示自回归序列的滞后阶数；spec表示向量误差修正模型反映的序列间的长期或短期关系；season表示季节效应；dumvar表示哑变量设置。
set.seed(12345)e1=rnorm(250,0,0.5)e2=rnorm(250,0,0.5)e3=rnorm(250,0,0.5)#模拟没有移动平均的向量自回归序列；u1.ar1=arima.sim(model=list(ar=0.75), innov=e1, n=250)u2.ar1=arima.sim(model=list(ar=0.3), innov=e2, n=250)y3=cumsum(e3)y1=0.8*y3+u1.ar1y2=-0.3*y3+u2.ar1#合并y1,y2,y3构成进行JJ检验的数据库；y.mat=data.frame(y1, y2, y3)#调用urca包中cajo命令对向量自回归序列进行JJ协整检验vecm=ca.jo(y.mat)jo.results=summary(vecm)#cajorls命令可以得到限制协整阶数的向量误差修正模型的最小二乘法回归结果vecm.r2=cajorls(vecm, r=2);vecm.r2## Call:lm(formula = substitute(form1), data = data.mat)## Coefficients:## y1.d y2.d y3.d## ect1 -0.33129 0.06461 0.01268## ect2 0.09447 -0.70938 -0.00916## constant 0.16837 -0.02702 0.02526## y1.dl1 -0.22768 0.02701 0.06816## y2.dl1 0.14445 -0.71561 0.04049## y3.dl1 0.12347 -0.29083 -0.07525## $beta## ect1 ect2## y1.l2 1.000e+00 0.0000## y2.l2 -3.402e-18 1.0000## y3.l2 -7.329e-01 0.2952

---

荔城区18965025967： 用R软件怎么进行Johansen 协整检验 - ？
笃迹冻干： 在进行时间系列分析时,传统上要求所用的时间系列必须是平稳的,即没有随机趋势或确定趋势,否则会产生“伪回归”问题.但是,在现实经济中的时间系列通常是非平稳的,我们可以对它进行差分把它变平稳,但这样会让我们失去总量的长期信息,而这些信息对分析问题来说又是必要的,所以用协整来解决此问题.

荔城区18965025967： ADF单位根检验 检验形式怎么操作 - ？
笃迹冻干： 你这个我觉得好像是时间序列的ARIMA模型,这个模型有三个参数(你这里正好也是),你查查你常用的软件怎么计算ARIMA模型.我只会用R语言,在R中有arima()函数可以计算.

荔城区18965025967： 求助:怎么用eviews3进行ADF检验、协整检验和格兰杰因果关系检验?? - ？
笃迹冻干： 1.ADF检验打开序列,View-unit root test,选择差分阶次以及模型,点击ok.若p小于alpha,则无单位根 2.协整检验分两步走:第一步:根据你的模型估计参数(这里可能用ols也可能用其他的模型估计方法)第二步:对第一步估计得到模型的残差做单位根检验,若无单位根则说明满足协整关系 3.格兰杰因果检验以group的形式打开两个序列,View-granger causality,选择差分阶次,点击ok.若p小于alpha,则是因果关系

荔城区18965025967： 如何用Eviews做时间序列的granger因果检验 - ？
笃迹冻干： ,因为做granger因果,首先要注意序列是否平稳,一般要先做ADF检验,结果如果平稳可以继续G检验;若不平稳要对同阶单整进行协整检验,如果有协整关系同样可以G检验.否则做出来有可能会是伪回归,所以之前的准备工作有点麻烦. 如果仅仅说做Granger这一步的话: 1、假定你的工作文件已经建立,首先打开时间序列数据组窗口. 2、点击view键,选择Granger Causality...功能. 3、随即打开一个对话框,需要选择最大滞后长度,然后点击ok键,就得到检验结果. 4、比较下P和F值,判断下是否拒绝原假设,然后得出结论. 希望你的数据性质好,做的顺利:)

荔城区18965025967： 怎么用R语言判断两组数据存在显著差异 - ？
笃迹冻干： 分很多种情况,最常见的是均值检验,例如t检验: t.test(x=c(1:10), y = c(7:20))

荔城区18965025967： 如何用eviews做多变量的Granger因果检验? - ？
笃迹冻干： 你是做ARDL还是VAR 如果是VAR的话 x1 x2 x3的结果是自己出来的 如果是ARDL 要慢慢搞一下 也是postestimation test 然后看Granger Causality 主要还是看你的建模方式和你的目的

荔城区18965025967： 建立VAR模型 进行协整检验 格兰杰检验 VEC模型 脉冲响应函数 方差分解的先后顺序 - ？
笃迹冻干： 一般先做单位根检验,表明各个序列为同阶单整序列,则说明序列可以进行协整检验,建立回归模型用的是EG两步法,即对残差序列进行平稳性检验;建立VAR模型,用JJ检验法,即对相关系数检验;均可建立误差修正模型.如果建立的是VAR模型,协整检验用原始数据还是差分数据,是针对建立的模型的平稳性检验的结果是用的原始数据还是差分数据,如果模型用的是差分数据才平稳,那么协整检验用的就是差分数据,一般的先后顺序写做单位根检验,然后建立模型,协整检验,granger因果检验,模型分析.如果建立的是一元一次回归模型,一般先对两变量进行协整检验、granger因果检验、建立模型,模型的自相关、异方差修正、误差修正模型.

荔城区18965025967： R语言中如何进行系数的t检验 - ？
笃迹冻干： 先检验方差齐性 t.test(x1,x2) t.test(x1,x2) 配对检验

荔城区18965025967： 如何做4变量的JJ协整检验 eviews具体步骤 - ？
笃迹冻干： 单位根检验、协整检验和格兰杰因果关系检验三者之间的关系 实证检验步骤: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...

荔城区18965025967： eviews6.0怎么做ADF检验 协整检验和 格兰杰因果检验 - ？
笃迹冻干： ADF检验,单个变量打开点窗口的view-unit root text.协整检验,将同阶单整的变量group打开,quick-estimate equation,输入被解释变量,c,解释变量,确定,再点proc-make residual series,出来残差序列,按ADF方法检验平稳性.格兰杰因果检验,在协整检验基础上,view-granger causality,选择滞后阶数,确定.