格兰杰因果检验准备-平稳性检验-Eviews

概念

平稳性:时间序列的平稳性通常是指弱平稳, 就是时间序列yt的期望值、方差以及协方差均值不随时间t的变化而变化。检查序列平稳性可以看序列自相关图或者用单位根检验,但是一般都用单位根检验,而单位根检验用的最多就是ADF检验。

操作
  1. 打开序列,查看序列是否存在时间趋势或者截距项(之后会用到,先记住结果):
    在这里插入图片描述
    在这里插入图片描述
  2. 查看
    在这里插入图片描述
    在这里插入图片描述
    其中:
    Test type是指用哪种单位根的检验方法,系统默认ADF。
    Test for unit root in是指用几阶差分进行检验。
    Include这一栏就是选择我们刚刚通过画图观测得出的结果含有趋势和截距。
    Lag这一栏就是选择滞后阶数一般我们使用AIC准则。
    在这里插入图片描述
  3. 数据分析:
    首先看t-Statistic后面的值,和下面1%、5%、10%的绝对值进行比较,如果t>这个水平的值就代表在这个水平下拒绝原假设,也就是说此序列时平稳序列。这里显然t>任何一个水平值,说明ycfk1011平稳。
    其次prob就是指拒绝原假设犯错的概率,这里0.0006代表有99.94%的概率接收原假设,也就是说ycfk1011是平稳序列。
    若不平稳,改进方法如下:回到之前的unit root test选择其他阶差分查看。
    #####注:
    一阶差分平稳后先做var模型,确定最优lag值,然后用这个lag去检验数据的协整关系。
    如果存在协整关系,对原始数据做VECM加格兰杰因果检验。
    如果不存在协整关系,对一阶差分过的数据做var加格兰杰因果检验。

还不会的话看到别人的推荐视频:
https://mp.weixin.qq.com/s/JNuz2hn0rgrHTmnWuvVY1w

  • 9
    点赞
  • 126
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
格兰杰因果检验是一种用于分析时间序列数据中因果关系的方法。R语言中可以使用quantile-on-quantile approach进行格兰杰因果检验。该方法基于分位数回归分析,通过对两个时间序列的分位数进行回归,来判断其中一个序列是否对另一个序列有因果影响。以下是一个使用quantile-on-quantile approach进行格兰杰因果检验的例子[^3]: ```R library(quantreg) library(ggplot2) # 生成两个时间序列数据 set.seed(123) x <- arima.sim(model = list(ar = 0.7), n = 100) y <- arima.sim(model = list(ar = 0.5), n = 100) # 将数据分为训练集和测试集 train.x <- x[1:80] test.x <- x[81:100] train.y <- y[1:80] test.y <- y[81:100] # 使用quantile-on-quantile approach进行格兰杰因果检验 g.fit <- rq(test.y ~ test.x, tau = 0.9) g.coef <- coef(g.fit) # 绘制分位数回归图像 ggplot(data.frame(x = test.x, y = test.y), aes(x, y)) + geom_point() + geom_quantreg(mapping = aes(color = "quantile regression"), formula = y ~ x, tau = 0.9, size = 1.2) + geom_smooth(mapping = aes(color = "lowess"), method = "loess", size = 1.2) + geom_abline(mapping = aes(intercept = g.coef, slope = g.coef, color = "quantile-on-quantile"), size = 1.2) + scale_color_manual(name = "Regression", values = c("quantile regression" = "black", "lowess" = "gray40", "quantile-on-quantile" = "blue"), labels = c("Quantile regression", "Lowess", "Quantile-on-quantile")) + theme_minimal() ``` 上述代码中,首先生成了两个时间序列x和y,然后将数据分为训练集和测试集。接着,使用`rq()`函数进行quantile-on-quantile approach格兰杰因果检验,其中`tau`参数为分位数回归的分位数。最后,通过`ggplot2`包绘制了分位数回归图像,并用蓝色直线表示quantile-on-quantile approach的结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值