單位根檢驗的基本方法與步驟

『壹』 求教STATA中面板數據單位根檢驗的做法

面板數據的單位根檢驗方法有很多種，一般我們只選兩種，即相同根單位根檢驗和不同根單位根檢驗。

如果數據是平衡的，則可使用LLC檢驗（適用於同根）和IPS檢驗（適用於不同根）。

一般的stata並沒有自帶這兩個程序需要自己下載安裝，我們可以在命令欄鍵入：search levinlin, net和search ipshin, net，然後按照提示逐步安裝。接著就可以進行變數的單位根檢驗。輸入如下命令：Levinlin 變數名，lags(1)Ipshin 變數名，lags(1)

例：

1、levinlin lntfp,lags(1)

出現以下結果：

Levin-Lin-Chu test for lntfp Deterministics chosen: constant

Pooled ADF test, N,T = (31,9) Obs = 217

Augmented by 1 lags (average) Truncation: 6 lags

coefficient t-value t-star P > t

-1.18963 -15.196 -6.06106 0.0000

LLC檢驗的原假設是H0: 有單位根，P值為0，拒絕原假設，所以不存在單位根。

2、ipshin lntfp,lags(1)

出現以下結果：

Im-Pesaran-Shin test for cross-sectionally demeaned lntfp

Deterministics chosen: constant

t-bar test, N,T = (31,9) Obs = 217

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-2.348 -1.700 -1.750 -1.850 -4.272 0.000

同樣說明沒有單位根。

如果存在單位根，則需要進行一階差分，並再次進行單位根檢驗，輸入以下命令：

levinlin D.變數名,lags(1)

Stata的作圖模塊，主要提供如下八種基本圖形的製作 : 直方圖（histogram），條形圖（bar），百分條圖 （oneway），百分圓圖（pie），散點圖（two way），散點圖矩陣（matrix），星形圖（star），分位數圖。

這些圖形的巧妙應用，可以滿足絕大多數用戶的統計作圖要求。在有些非繪圖命令中，也提供了專門繪制某種圖形的功能，如在生存分析中，提供了繪制生存曲線圖，回歸分析中提供了殘差圖等。

Stata是一個統計分析軟體，但它也具有很強的程序語言功能，這給用戶提供了一個廣闊的開發應用的天地，用戶可以充分發揮自己的聰明才智，熟練應用各種技巧，真正做到隨心所欲。

事實上，Stata的ado文件（高級統計部分）都是用Stata自己的語言編寫的。

Stata其統計分析能力遠遠超過了SPSS，在許多方面也超過了SAS！由於Stata在分析時是將數據全部讀入內存，在計算全部完成後才和磁碟交換數據。

因此計算速度極快（一般來說， SAS的運算速度要比SPSS至少快一個數量級，而Stata的某些模塊和執行同樣功能的SAS模塊比，其速度又比SAS快將近一個數量級！）Stata也是採用命令行方式來操作，但使用上遠比SAS簡單。

其生存數據分析、縱向數據（重復測量數據）分析等模塊的功能甚至超過了SAS。用Stata繪制的統計圖形相當精美，很有特色。

(1)單位根檢驗的基本方法與步驟擴展閱讀：

面板數據維度的確定

在面板數據進行模型估計前，要進行面板數據的維度確定。由於面板數據既有截面數據又有時間序列，而stata不能自動識別，因此，必須使得stata得知哪一部分是截面數據，而哪一部分是時間序列。

設置面板數據維度的基本命令為：

xtset panelvar timvar [, tsoptions]

其中panelvar代表截面數據變數，timvar代表時間序列變數。

選取某一面板數據進行維度設定（該數據研究職業培訓津貼對廠商廢棄率的影響）：

xtset fcode year

『貳』 面板數據為什麼要做單位根檢驗為什麼是對每個變數做檢驗，這樣能得到什麼

因為在面板數據和序列數據中，如果存在單位根，會產生偽回歸等嚴重後果，所以必須對每個變數進行單位根檢驗，這樣能夠保證每個變數的平穩性，平穩變數回歸才是有效的。

按照正規程序，面板數據雖然減輕了數據的非平穩性，使得變數的相關性降低，但是各變數還是有趨勢、截距問題，可能還是非平穩數據，存在單位根，所以面板數據模型在回歸前需檢驗每個變數是否存在單位根。

(2)單位根檢驗的基本方法與步驟擴展閱讀：

面板數據維度的確定

在面板數據進行模型估計前，要進行面板數據的維度確定。由於面板數據既有截面數據又有時間序列，而stata不能自動識別，因此，必須使得stata得知哪一部分是截面數據，而哪一部分是時間序列。

設置面板數據維度的基本命令為：

xtset panelvar timvar [, tsoptions]

其中panelvar代表截面數據變數，timvar代表時間序列變數。

選取某一面板數據進行維度設定（該數據研究職業培訓津貼對廠商廢棄率的影響）：

xtset fcode year

『叄』 怎麼用R語言做單位根檢驗

R語言做單位根檢驗的兩個方法：

1、用fUnitRoots包中的UnitrootTests()和adfTest()。

2、用tseries包中的adf.test()和pp.test()。

用法都基本類似，可以看一下help的example。

『肆』 adf檢驗步驟都包括哪些

adf檢驗步驟都包括對原始時間序列進行檢驗、進行一階差分後再檢驗、二次差分序列的檢驗即可。ADF檢驗的方法是比較常用的，ADF檢驗是Eviews軟體中一種檢查序列平穩性的單位根檢驗方法。

『伍』 求單位根檢驗eviews步驟

投入為序列x，收入為序列y，導入數據後並選xy，open as group做散點圖可以觀察到數據有向上的趨勢，隨x的增加y也增加，說明數據有趨勢
打開序列，選view，unit root test，單位根檢驗又稱adf檢驗，test type不需要改
主要需要注意的選項是 test for unit root in level表示對原序列進行單位根檢驗
1st difference 表示對一階差分後的序列進行單位根檢驗
2nd difference 表示對二階差分後的序列進行單位根檢驗
一般單位根檢驗都是對原序列，此處選 level
include in test equation 下的三個選項分別是，截距項，截距項和趨勢，none（針對平穩的時間序列來說是既無截距項又無趨勢）由圖可知數據存在趨勢，此處選trend and intercept

『陸』 用spss如何進行單位根檢驗

按照單位根檢驗中的三個模型設計回歸方程並利用sPSS中的多元線性回歸的過程【：」對不同的滯後差

分項數m進行嘗試。

操作步驟為：Analyze／Regression／1inear菜單命令。

其中功能設置為：

在Statistics項中，選取Regression Coefficients中的Estimates，進行序列的描述統計。

在plots項中，分別選取木SRESID和木ZPRED進坐標系Y軸與X軸的框中。以製作散點圖來判斷殘差

項￡的方差齊性和是否為白雜訊序列。

在Save項中，選取Resials中的Unstandardized，輸出非標准殘差項，供進一步檢驗殘差項￡是

否為白雜訊序列。

每次嘗試時，利用SPSS中Graphs／Time Serries／Autocorrelation命令製作￡的自相關圖及其‰

統計量來判斷其是否為白雜訊序列…。

經嘗試，m=2時，

『柒』 試述單位根檢驗的基本步驟

單位根檢驗是指檢驗序列中是否存在單位根，因為存在單位根就是非平穩時間序列了。單位根就是指單位根過程，可以證明，序列中存在單位根過程就不平穩，會使回歸分析中存在偽回歸。

『捌』 怎麼做平穩性檢驗，單位根檢驗

平穩性檢驗和單位根檢驗一般是三個基準模型:a:AR(1)，b:AR(1)再加截距，c:b的基礎上再加趨勢。一般先從c開始單位根檢驗，當確定不含有趨勢後，繼續用b檢驗，若存在單位根，繼續用a檢驗。當然在這個過程中如果發現不存在單位根，則檢驗結束。如果檢驗的c模型仍然不能拒絕存在單位根，說明可能不平穩，則進行一階差分後再檢驗，如果仍然存在單位根，再差分……直到拒絕單位根為止。根據模型的選定，分別查ADF分布表，對應臨界值判斷是否存在單位根。在ADF檢驗中，由於做了差分，通常的原假設是系數=0，因此t統計量服從t分布，可以通過回歸的t值來和ADF分布進行對比。在計量軟體Eviews中，unit root test選項可以根據研究的需要直接進行ADF檢驗。