進(jìn)行平穩(wěn)性檢驗(yàn)一定要取對(duì)數(shù)嗎？不一定，要看變量穩(wěn)定與否。對(duì)數(shù)不改變平穩(wěn)性，但對(duì)數(shù)后的差消除了異方差。平穩(wěn)性可分為強(qiáng)平穩(wěn)性和弱平穩(wěn)性。強(qiáng)平穩(wěn)性的要求非常嚴(yán)格，要求兩組數(shù)據(jù)之間的任何統(tǒng)計(jì)性質(zhì)都不會(huì)隨時(shí)間變

進(jìn)行平穩(wěn)性檢驗(yàn)一定要取對(duì)數(shù)嗎？

不一定，要看變量穩(wěn)定與否。

對(duì)數(shù)不改變平穩(wěn)性，但對(duì)數(shù)后的差消除了異方差。

平穩(wěn)性可分為強(qiáng)平穩(wěn)性和弱平穩(wěn)性。

強(qiáng)平穩(wěn)性的要求非常嚴(yán)格，要求兩組數(shù)據(jù)之間的任何統(tǒng)計(jì)性質(zhì)都不會(huì)隨時(shí)間變化。其要求過(guò)于嚴(yán)格，理論上難以證明，實(shí)踐中難以檢驗(yàn)，所以基本沒(méi)有應(yīng)用場(chǎng)景。

eviews怎么取對(duì)數(shù)增量？

S

用Eviews做ADF檢驗(yàn)的前提（步驟）是什么？ADF檢驗(yàn)，一般最好是對(duì)數(shù)據(jù)求對(duì)數(shù)之后進(jìn)行。這又是為什么？

對(duì)數(shù)化后，數(shù)據(jù)的數(shù)量級(jí)降低，波動(dòng)性也降低，容易達(dá)到穩(wěn)定。很多數(shù)據(jù)都是這樣處理的。

然后做ADF測(cè)試。如果測(cè)試后原序列不穩(wěn)定，會(huì)進(jìn)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(huì)丟失。為什么沒(méi)有序列測(cè)試？如果有趨勢(shì)項(xiàng)和截距項(xiàng)，三個(gè)都要過(guò)。最大滯后項(xiàng)通常是默認(rèn)的，因?yàn)槟J(rèn)滯后項(xiàng)就足夠了。

msvar模型介紹？

MSVAR模型的數(shù)學(xué)原理有一個(gè)假設(shè)，所有的變量都服從一個(gè)轉(zhuǎn)移概率矩陣和一個(gè)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(biāo)有很好的協(xié)調(diào)性。以二元MSVAR模型為例，兩個(gè)指標(biāo)要盡量一致，時(shí)差相關(guān)系數(shù)的領(lǐng)先滯后期不能太大，個(gè)人經(jīng)驗(yàn)不能超過(guò)[-3，3]。如果超過(guò)且兩個(gè)指標(biāo)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(gè)指標(biāo)的主峰和主谷要盡量保持對(duì)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(biāo)的不規(guī)則擾動(dòng)成分，使用指標(biāo)的周期性波動(dòng)成分或缺口數(shù)據(jù)。具體來(lái)說(shuō)，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(shì))，一般有兩種處理方法:1。數(shù)據(jù)的對(duì)數(shù)差；2.對(duì)數(shù)據(jù)進(jìn)行季節(jié)調(diào)整后的HP濾波(可以用Eviews軟件實(shí)現(xiàn))；第二種增長(zhǎng)率數(shù)據(jù)只是季節(jié)性調(diào)整。

2.2在建模過(guò)程中，除了選擇不同的模型形式，如MSM、MSI、MSMH、MSIH等。，MSVAR也有兩個(gè)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(shí)別2或3個(gè)區(qū)；第二個(gè)VAR模型的滯后階和滯后階的判斷一般先由變量的簡(jiǎn)化VAR模型決定，這也是寫論文的一般范式，但實(shí)際情況是由簡(jiǎn)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(shí)別出的平滑概率對(duì)應(yīng)的區(qū)域系統(tǒng)是否能夠解釋其經(jīng)濟(jì)意義，或者參數(shù)估計(jì)結(jié)果是否合理。參數(shù)估計(jì)的結(jié)果試圖保證1區(qū)的截距項(xiàng)或均值項(xiàng)大于或小于2區(qū)，第一變量1區(qū)的截距項(xiàng)小于2區(qū)，第二變量1區(qū)的截距項(xiàng)大于2區(qū)，因此構(gòu)建的模型是錯(cuò)誤的。

另外，還有一個(gè)很重要的問(wèn)題，就是你想通過(guò)構(gòu)建msvar模型來(lái)識(shí)別高增長(zhǎng)區(qū)和低增長(zhǎng)區(qū)(比如研究股票的牛市或熊市)；或者擴(kuò)張收縮區(qū)系(從經(jīng)濟(jì)周期的角度來(lái)研究指標(biāo)的拐點(diǎn)，經(jīng)濟(jì)是處于擴(kuò)張還是衰退狀態(tài))，以MSI(2)-VAR模型為例，如果能識(shí)別出高增長(zhǎng)區(qū)系和低增長(zhǎng)區(qū)系，直接用上面處理的數(shù)據(jù)進(jìn)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?jǐn)?shù)據(jù)進(jìn)行建模。