用Eviews做面板模型协整分析时距离这些不变的变量如何处理

步骤一：分析数据的平稳性（单位根检验）

按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的埋态销。这种情况称为称为虚假回归或伪回归（spurious regression）。

认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。

因此为了避免伪回归，确保估计结果的有效性，闭陆必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。

单位根检验方法的文献综述：

在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯弯游分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。

Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。

由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。

时变行为实际上反映了时间序列的非平稳性质。

单位根检验时间橡闷序列的单位根研究为时间序列分析的一个热点问题，时间序列矩特性的时变行为实际上反映了时间序列的非平稳性质。对非平稳时间序列的处理方法是将其转变为平稳序列，这样就可以应用有关平稳时间序列的方法来进行相应得研究。

对时间序列单位根的检验为对时间序列平稳性的检验，非平稳时间序列如果存在单位根，则可以通过差分的方法来消除单位根，得到平稳老如逗序列。对于存在单位根的时间序列，都显示出明显的记忆性和波动的持续性，因此单位根检验是有关协整关系存在性检验和序列波动持续性讨论的基础。

扩展资料：

单位根检验要求规定：

1、把若干历史时期的统计数值作为观察值，求出算术平均数作为下期预测值。把近期和远期数据等同化和平均化，因此只能适用于事物变化不大的趋势预测。

2、把各个时期的历史数据按近期和远期影响程度进行加权，求出平均值，作为下期预测值。

3、利用修匀技术，削侍卖弱短期随机波动对序列的影响，使序列平滑化，从而显示出长期趋势变化的规律。

参考资料来源：百度百科-单位根检验