1、ADF检验在进行传统的回归分析时，所用的时间序列必须是平稳的。因此，首先我们对各个时间序列数据进行平稳性检验，以避免出现伪回归。打开数据窗口—，view-unitroottest-ok在建立计量经济模型时，总要选择统计性质优良的模型，在对几个模型进行选择尤其是当确定一个滞后分布的长度时，通常可以用AIC准则和SIC准则，其值越小越好。见高铁梅73表1.1各时间序列数据平稳性检验结果变量检验类型t统计量相伴概率（c,t,3）-4.76320.0012*（c,t,1）1.30140.9978（c,t,1）-3.70070.0116*（c,t,1）-1.99440.2870（c,t,1）-1.19670.6577（c,t,0）-2.64770.2645（c,t,0）-2.02660.5581注：（1）检验类型中的c表示检验平稳性时估计方程中的位移项，0则表示不含位移项。（2）第二项t表示时间趋势项，0表示不含趋势项。（3）括号中最后一项表示自回归滞后的长度。我们采SchwarzInfoCriter或AIC标准确定最优滞后期，最大滞后期我们设定为5。（4）表中最后一列为各时间序列ADF检验中的相伴概率，*表示序列数据在10%显著性水平下是平稳的。2、协整检验对非平稳时间序列进行回归分析会产生伪回归问题，但是当两个或多个非平稳变量之间存在协整关系时，即这些非平稳变量的特定的线性组合是稳定的时，非平稳变量导致的伪回归问题则不再存在。（1）对Lnylnklnl进行OLS回归，将残差赋值给n。genrn=resid利用残差法进行协整检验，即对n进行协整检验，具体步骤同1（2）Johansen最大似然估计检验法，通过计算基于最大特征值的似然比统计量来分别判断各回归方程中不平稳序列之间的协整关系。3、误差修正若数列同时是一阶单整或者是二阶单整的（一般三阶或者以上不好），误差修正方程就是对dlnydlnkdlnln进行回归，n项代表误差修正项。4、序列相关检验：（1）D.W值一般2附近是比较好的，否则存在序列相关（2）view-residualtests-correlogramofresiduals超出双侧线的那期存在序列相关。修正：在回归方程中加入ar(m)项m代表序列相关的阶数。一般结果会比较好dlnycdlnkdlnlnar(1)ar(2)5、异方差检验：（1）散点图法，若三点成不规则状分布，则存在异方差（2）white检验：view-residualtests-heteroskdesticitytests-white-这一项不选-okp值越大越好，最好大于0.1。原始假设是不存在异方差。修正：Wls法打开回归方程-options-选这一项，abs表示绝对值得意思，意思就是用残差的绝对值得倒数作权重。多方程1、VAR模型的建立Object-newobject-var-起个名字或者默认-ok-出现以下界面内生变量那地方输入变量名字比方：yx（见于我的例子var1），滞后期一般先按默认的就行-确定2、VAR模型稳定性检验在var方程中选view-lagstructure-ARrootgraph-小圆点落在单位圆内或上时，表示该var模型是稳定的，否则不稳定需要调整，比方在建立var模型时，调整滞后期长度可以改善这里。3、格兰杰因果检验在var方程中选view-lagstructure--chi-sq表示伽马统计量，df表示自由度，prob大家知道是p值，这里原始假设是x/y不是y/x的格兰因，所以p值越小越好。最好小于0.1。证解释变量是否是被解释变量的格兰杰因，两两结合（单方程）。4、最优滞后阶数的选择在var方程中选view-lagstructure-laglengthcriteria-出现滞后期可以在有限的限度内改动-ok星号表示最优滞后期数，当然小于此滞后期数也是可以的，否则不是最优的。5、脉冲响应函数在var方程中选view-impulseresponses-出现以下界面分别填上相应的内容-确定其中impulses项表示冲击量，比方说y，responses项表示被冲击量，就是说给y一单位的冲击引起的x的相应的变化的方向和趋势。6、方差分解方差分解比脉冲反应更进一步，能看到给y一单位冲击引起x方差的变化的百分比，具体到数值在var方程中选view-variancedecompositions-确定7、单位根检验同单方程中的18、协整检验这里使用以var模型为基础的JJ检验，在var方程中选view-（里面有些选项可以自己调整）-确定结果会显示有几个协整关系，比方只要有一个就说明存在协整关系。9、误差修正模型在eviews窗口中选quick-estimatevar-Var类型里面选第二项（误差修正）-内生变量的地方输入相应的变量的名称-确定以word“建立var模型”的结果为...
