進行平穩(wěn)性檢驗一定要取對數(shù)嗎？不一定，要看變量穩(wěn)定與否。對數(shù)不改變平穩(wěn)性，但對數(shù)后的差消除了異方差。平穩(wěn)性可分為強平穩(wěn)性和弱平穩(wěn)性。強平穩(wěn)性的要求非常嚴格，要求兩組數(shù)據(jù)之間的任何統(tǒng)計性質(zhì)都不會隨時間變

進行平穩(wěn)性檢驗一定要取對數(shù)嗎？

不一定，要看變量穩(wěn)定與否。

對數(shù)不改變平穩(wěn)性，但對數(shù)后的差消除了異方差。

平穩(wěn)性可分為強平穩(wěn)性和弱平穩(wěn)性。

強平穩(wěn)性的要求非常嚴格，要求兩組數(shù)據(jù)之間的任何統(tǒng)計性質(zhì)都不會隨時間變化。其要求過于嚴格，理論上難以證明，實踐中難以檢驗，所以基本沒有應(yīng)用場景。

eviews怎么取對數(shù)增量？

S

用Eviews做ADF檢驗的前提（步驟）是什么？ADF檢驗，一般最好是對數(shù)據(jù)求對數(shù)之后進行。這又是為什么？

對數(shù)化后，數(shù)據(jù)的數(shù)量級降低，波動性也降低，容易達到穩(wěn)定。很多數(shù)據(jù)都是這樣處理的。

然后做ADF測試。如果測試后原序列不穩(wěn)定，會進行微分直至穩(wěn)定，但一般兩次微分后就穩(wěn)定了。差異太多不好，信息會丟失。為什么沒有序列測試？如果有趨勢項和截距項，三個都要過。最大滯后項通常是默認的，因為默認滯后項就足夠了。

msvar模型介紹？

MSVAR模型的數(shù)學原理有一個假設(shè)，所有的變量都服從一個轉(zhuǎn)移概率矩陣和一個共同的區(qū)域系統(tǒng)，所以在建模之前，你必須保證你使用的指標有很好的協(xié)調(diào)性。以二元MSVAR模型為例，兩個指標要盡量一致，時差相關(guān)系數(shù)的領(lǐng)先滯后期不能太大，個人經(jīng)驗不能超過[-3，3]。如果超過且兩個指標有明顯的超前滯后關(guān)系，則不適合使用MSVAR模型。另外需要注意的是，兩個指標的主峰和主谷要盡量保持對應(yīng)，這樣建模結(jié)果才可信。

2.1數(shù)據(jù)處理，要盡量剔除指標的不規(guī)則擾動成分，使用指標的周期性波動成分或缺口數(shù)據(jù)。具體來說，第一種方法使用的是橫向數(shù)據(jù)(有單位和指數(shù)指數(shù)趨勢)，一般有兩種處理方法:1。數(shù)據(jù)的對數(shù)差；2.對數(shù)據(jù)進行季節(jié)調(diào)整后的HP濾波(可以用Eviews軟件實現(xiàn))；第二種增長率數(shù)據(jù)只是季節(jié)性調(diào)整。

2.2在建模過程中，除了選擇不同的模型形式，如MSM、MSI、MSMH、MSIH等。，MSVAR也有兩個重要的參數(shù)可以選擇。第一，區(qū)數(shù)，一般選擇2或3，表示識別2或3個區(qū)；第二個VAR模型的滯后階和滯后階的判斷一般先由變量的簡化VAR模型決定，這也是寫論文的一般范式，但實際情況是由簡化VAR模型決定的。最優(yōu)滯后階數(shù)不一定是最優(yōu)結(jié)果。這就需要你判斷識別出的平滑概率對應(yīng)的區(qū)域系統(tǒng)是否能夠解釋其經(jīng)濟意義，或者參數(shù)估計結(jié)果是否合理。參數(shù)估計的結(jié)果試圖保證1區(qū)的截距項或均值項大于或小于2區(qū)，第一變量1區(qū)的截距項小于2區(qū)，第二變量1區(qū)的截距項大于2區(qū)，因此構(gòu)建的模型是錯誤的。

另外，還有一個很重要的問題，就是你想通過構(gòu)建msvar模型來識別高增長區(qū)和低增長區(qū)(比如研究股票的牛市或熊市)；或者擴張收縮區(qū)系(從經(jīng)濟周期的角度來研究指標的拐點，經(jīng)濟是處于擴張還是衰退狀態(tài))，以MSI(2)-VAR模型為例，如果能識別出高增長區(qū)系和低增長區(qū)系，直接用上面處理的數(shù)據(jù)進行建模就好了；如果確定了膨脹和收縮區(qū)域，則應(yīng)使用數(shù)據(jù)的差分數(shù)據(jù)進行建模。