格兰杰因果检验

1. 基础统计特征

在数据处理中，我们首先关注均值、标准差、最大值及最小值等统计量，它们为我们提供了数据的初步认识。

2. 单位根检验分析

对于原数据及差分后的数据，我们会进行单位根检验操作，以确保数据的稳定性。

3. 确定最佳滞后阶数

针对原数据，我们需要通过适当的方法来选取最合适的滞后阶数。

4. 协整关系探究

利用VCEM模型来评估数据之间的协整关系，最佳滞后阶数在此变得至关重要。我们常利用最大滞后阶数减一作为滞后设定。

在协整检验中，我们特别关注迹统计量。在大样本情况下，它对样本数量敏感，若样本数较小，可能难以判断是否存在协整关系。我们可以调整滞后参数以获得不同的结果。

通过使用诸如STATA软件的vecrank包进行分析时，建议同时考虑trace和max两个结果，以确保分析的准确性。

若检验结果显示不协整，则说明数据间不存在长期稳定关系，此时可考虑构建VAR模型。

面板数据的协整检验能够自动找出最佳滞后阶数，并且，对于内生变量的数量也有一定的限制。

5. 格兰杰因果检验

在确保数据平稳的前提下，我们进行格兰杰因果关系检验，以了解解释变量的过去值是否有助于预测被解释变量的当前值。

6. 模型拟合与结果解读

对于VAR(VECM)模型的选择，我们根据数据的平稳性选择是否进行对数差分处理。拟合的模型可能是VAR模型（原数据或差分数据）或VECM模型（原数据）。

VECM模型的滞后阶数设定为最佳滞后阶数减一。例如，若VAR模型的最佳滞后阶数为2，则VECM模型的设定滞后阶数为1。

对于VECM模型的rank参数设置，依据协整检验结果来确定协整关系的数量。

Lambda系数反映了回归到长期均衡关系的速度。

在Eviews软件中估计VECM时，面对多个函数形态的选择，通常选择形态2、3、4进行估计。我们通过比较不同模型的-2Loglikelihood、AIC、BIC等指标来选择最优的函数形态。

7. 软件分析与结果处理

Eviews软件的分析结果中，我们需要关注P值的计算。在excel中，我们可以使用特定函数来处理和显示这些P值。

由于在粘贴标准误到excel时，括号可能被误改为负数，因此在处理时需要使用ABS函数确保数值的准确性。

8. 模型后期的诊断检验

进行AR根检验图表的绘制、残差的异方差、稳定性及正态性检验等操作。正态性检验尤为重要，若残差非正态分布，则整个模型可能存在错误。

我们还可以绘制均衡关系图，将预测数据与实际数据进行对比。

9. 脉冲响应函数与方差分解

脉冲响应函数曲线（IRF）为我们提供了变量间相互影响的动态路径。

通过方差分解来分析每个变量对模型内生变量变动的贡献度。