单位根检验的基本方法与步骤

‘壹’ 求教STATA中面板数据单位根检验的做法

面板数据的单位根检验方法有很多种，一般我们只选两种，即相同根单位根检验和不同根单位根检验。

如果数据是平衡的，则可使用LLC检验（适用于同根）和IPS检验（适用于不同根）。

一般的stata并没有自带这两个程序需要自己下载安装，我们可以在命令栏键入：search levinlin, net和search ipshin, net，然后按照提示逐步安装。接着就可以进行变量的单位根检验。输入如下命令：Levinlin 变量名，lags(1)Ipshin 变量名，lags(1)

例：

1、levinlin lntfp,lags(1)

出现以下结果：

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检验的原假设是H0: 有单位根，P值为0，拒绝原假设，所以不存在单位根。

2、ipshin lntfp,lags(1)

出现以下结果：

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

同样说明没有单位根。

如果存在单位根，则需要进行一阶差分，并再次进行单位根检验，输入以下命令：

levinlin D.变量名,lags(1)

Stata的作图模块，主要提供如下八种基本图形的制作 : 直方图（histogram），条形图（bar），百分条图 （oneway），百分圆图（pie），散点图（two way），散点图矩阵（matrix），星形图（star），分位数图。

这些图形的巧妙应用，可以满足绝大多数用户的统计作图要求。在有些非绘图命令中，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。

Stata是一个统计分析软件，但它也具有很强的程序语言功能，这给用户提供了一个广阔的开发应用的天地，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。

事实上，Stata的ado文件（高级统计部分）都是用Stata自己的语言编写的。

Stata其统计分析能力远远超过了SPSS，在许多方面也超过了SAS！由于Stata在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据。

因此计算速度极快（一般来说， SAS的运算速度要比SPSS至少快一个数量级，而Stata的某些模块和执行同样功能的SAS模块比，其速度又比SAS快将近一个数量级！）Stata也是采用命令行方式来操作，但使用上远比SAS简单。

其生存数据分析、纵向数据（重复测量数据）分析等模块的功能甚至超过了SAS。用Stata绘制的统计图形相当精美，很有特色。

(1)单位根检验的基本方法与步骤扩展阅读：

面板数据维度的确定

在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既有截面数据又有时间序列，而stata不能自动识别，因此，必须使得stata得知哪一部分是截面数据，而哪一部分是时间序列。

设置面板数据维度的基本命令为：

xtset panelvar timvar [, tsoptions]

其中panelvar代表截面数据变量，timvar代表时间序列变量。

选取某一面板数据进行维度设定（该数据研究职业培训津贴对厂商废弃率的影响）：

xtset fcode year

‘贰’ 面板数据为什么要做单位根检验为什么是对每个变量做检验，这样能得到什么

因为在面板数据和序列数据中，如果存在单位根，会产生伪回归等严重后果，所以必须对每个变量进行单位根检验，这样能够保证每个变量的平稳性，平稳变量回归才是有效的。

按照正规程序，面板数据虽然减轻了数据的非平稳性，使得变量的相关性降低，但是各变量还是有趋势、截距问题，可能还是非平稳数据，存在单位根，所以面板数据模型在回归前需检验每个变量是否存在单位根。

(2)单位根检验的基本方法与步骤扩展阅读：

面板数据维度的确定

在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既有截面数据又有时间序列，而stata不能自动识别，因此，必须使得stata得知哪一部分是截面数据，而哪一部分是时间序列。

设置面板数据维度的基本命令为：

xtset panelvar timvar [, tsoptions]

其中panelvar代表截面数据变量，timvar代表时间序列变量。

选取某一面板数据进行维度设定（该数据研究职业培训津贴对厂商废弃率的影响）：

xtset fcode year

‘叁’ 怎么用R语言做单位根检验

R语言做单位根检验的两个方法：

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

2、用tseries包中的adf.test()和pp.test()。

用法都基本类似，可以看一下help的example。

‘肆’ adf检验步骤都包括哪些

adf检验步骤都包括对原始时间序列进行检验、进行一阶差分后再检验、二次差分序列的检验即可。ADF检验的方法是比较常用的，ADF检验是Eviews软件中一种检查序列平稳性的单位根检验方法。

‘伍’ 求单位根检验eviews步骤

投入为序列x，收入为序列y，导入数据后并选xy，open as group做散点图可以观察到数据有向上的趋势，随x的增加y也增加，说明数据有趋势
打开序列，选view，unit root test，单位根检验又称adf检验，test type不需要改
主要需要注意的选项是 test for unit root in level表示对原序列进行单位根检验
1st difference 表示对一阶差分后的序列进行单位根检验
2nd difference 表示对二阶差分后的序列进行单位根检验
一般单位根检验都是对原序列，此处选 level
include in test equation 下的三个选项分别是，截距项，截距项和趋势，none（针对平稳的时间序列来说是既无截距项又无趋势）由图可知数据存在趋势，此处选trend and intercept

‘陆’ 用spss如何进行单位根检验

按照单位根检验中的三个模型设计回归方程并利用sPSS中的多元线性回归的过程【：”对不同的滞后差

分项数m进行尝试。

操作步骤为：Analyze／Regression／1inear菜单命令。

其中功能设置为：

在Statistics项中，选取Regression Coefficients中的Estimates，进行序列的描述统计。

在plots项中，分别选取木SRESID和木ZPRED进坐标系Y轴与X轴的框中。以制作散点图来判断残差

项￡的方差齐性和是否为白噪声序列。

在Save项中，选取Resials中的Unstandardized，输出非标准残差项，供进一步检验残差项￡是

否为白噪声序列。

每次尝试时，利用SPSS中Graphs／Time Serries／Autocorrelation命令制作￡的自相关图及其‰

统计量来判断其是否为白噪声序列…。

经尝试，m=2时，

‘柒’ 试述单位根检验的基本步骤

单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳，会使回归分析中存在伪回归。

‘捌’ 怎么做平稳性检验，单位根检验

平稳性检验和单位根检验一般是三个基准模型:a:AR(1)，b:AR(1)再加截距，c:b的基础上再加趋势。一般先从c开始单位根检验，当确定不含有趋势后，继续用b检验，若存在单位根，继续用a检验。当然在这个过程中如果发现不存在单位根，则检验结束。如果检验的c模型仍然不能拒绝存在单位根，说明可能不平稳，则进行一阶差分后再检验，如果仍然存在单位根，再差分……直到拒绝单位根为止。根据模型的选定，分别查ADF分布表，对应临界值判断是否存在单位根。在ADF检验中，由于做了差分，通常的原假设是系数=0，因此t统计量服从t分布，可以通过回归的t值来和ADF分布进行对比。在计量软件Eviews中，unit root test选项可以根据研究的需要直接进行ADF检验。