返回目录：excel表格制作
双边分析法没有听过。。
协整检验，Co-integration Test，是为了检验时间序列间协整关系而做的统zd计检验，常用的包括Engle-Granger两步法，Johansen检验等等
所谓存在协整关系，是指时间序列间存在长期稳定的均衡状态，Granger在1970年指出若不存在协整关系，则变量间可能存在虚假回归，spurious regression，一个很经典的例子是用苏联的人口解释美国的GDP，可以得到R^2>0.99，然而这两者显然没有版任何关系，原因在于这两个时间序列不协整。在1987年Granger提出了协整的概念，并随后获得了诺贝尔经济学奖。
OLS，Ordinary Least Square，普通最小二乘法，可以简单理解为在空间中存在众多的点，我们需要权找到一条线，使得所有这些点到这条线的距离的和最小。点，就是样本点，线，就是最后的回归结果。
协整检验决定一组非平稳序列的线性组合是否具有稳定的均衡关系，伪回归的一种特殊情况即是两个时间序列的趋势成分相同，此时可能利用这种共同趋势修正回归使之可靠。在现实经济中的时间系列通常是非平稳的，我们可以对它进行差分把它变平稳，但这样会让我们失去总量的长期信息，
而这些信息对分析问题来说又是必要的，所以用协整来解决此问题。正是由于协整传递出了一种长期均衡关系，若是能在看来具有单独随机性趋势的几个变数之间找到一种可靠联系，那么通过引入这种“相对平稳”对模型进行调整，可以排除单位根带来的随机性趋势，即所称的误差修正模型。
扩展资e799bee5baa6e4b893e5b19e339料
通过对检验统计量的仿真研究，研究表明在检验所谓的部分协整和M-部分协整时，固定回归元自助法的统计量具有较高的检验势，但是固定回归元自助法在检验部分协整和M-部分协整时具有较严重的水平扭曲且都会增大“弃真”的概率，
而利用仿真临界值进行检验水平仿真时具有较小的水平扭曲；其次采取仿真临界值的检验法会随着数据序列“持久性”的增强，其检验势呈下降趋势，但下降速度没有EG两步法快；而第三仿真临界值的检验法在检验M-部分协整时比检验部分协整时有较低的检验势。
参考资料来源：百度百科——协整检验
实证检验步骤：
先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。
若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或进行Granger因果检验，检验变量之间“谁引起谁变化”，即三者之间的关系为因果关系。
资料拓展：
一、平稳性问题
1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。
2、当检验的e799bee5baa6e4b893e5b19e337数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。
3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验
A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性（一般用EG两步法）
B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）
4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别
二、协整性问题
1、格兰杰检验只能用于平稳序列, 这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。
2、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。
3、平稳性检验有3个作用：（1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。(2）协整检验中要用到每个序列的单整阶数。(3）判断时间学列的数据生成过程。
三、格兰杰因果问题
第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。
第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么不能直接进行格兰杰因果检验。
第三，协整结果仅表示变量间存在长期均衡关系，因为变量不平稳才需要协整，所以先对变量进行差分，平稳后可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后进行协整，看变量是否存在长期均衡。
第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。
参考资料：百度百科-单位根检验
一、协整检验(Cointegration Test)的定义：
非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变数之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。
二、基本思路：
20世纪80年代，Engle和Granger等人提出了协整（Co-integration）的概念，指出两个或多个非平稳（non-stationary）的时间序列的线性组合可能是平稳的或是较低阶单整的。e79fa5e98193e59b9ee7ad94332有些时间序列，虽然它们自身非平稳，但其线性组合却是平稳的。非平稳时间序列的线性组合如果平稳，则这种组合反映了变量之间长期稳定的比例关系，称为协整关系。协整关系表达的是两个线性增长量的稳定的动态均衡关系，更是多个线性增长的经济量相互影响及自身演化的动态均衡关系。协整分析是在时间序列的向量自回归分析的基础上发展起来的空间结构与时间动态相结合的建模方法与理论分析方法。
三、理论模型：
四、协整检验的目的：
协整即存在共同的随机性趋势。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系，伪回归的一种特殊情况即是两个时间序列的趋势成分相同，此时可能利用这种共同趋势修正回归使之可靠。正是由于协整传递出了一种长期均衡关系，若是能在看来具有单独随机性趋势的几个变数之间找到一种可靠联系，那麽通过引入这种醉汉与狗之间距离的“相对平稳”对模型进行调整，可以排除单位根带来的随机性趋势，即所称的误差修正模型。
在进行时间系列分析时，传统上要求所用的时间系列必须是平稳的，即没有随机趋势或确定趋势，否则会产生“伪回归”问题。但是，在现实经济中的时间系列通常是非平稳的，我们可以对它进行差分把它变平稳，但这样会让我们失去总量的长期信息，而这些信息对分析问题来说又是必要的，所以用协整来解决此问题。