[时间序列问题] EG两步法检验协整和短期模型分析 [推广有奖]

对于EG 2-step procedure，有现成的程序，ssc install egranger

EG procedure一般用于2个变量的协整检测。如果你有多个变量，如你的情况，总共5个变量，那么最多可能存在4个cointegrating vectors，对于这种情况，协整检测最好使用Johansen test。EG是residual-based test，Johansen是VAR-based test。EG procedure只显示一个cointegrating vector，对于3个及以上变量的协整检测，用EG是不太合适的。

你用eviews做不是更好？协整先要对单个变量分别作平稳检验，同阶单整才能继续做协整。你第一个检验好像是一起检验平稳性的吧？

楼主采用的是E-G两步法，在检查完各个变量的平稳性后需要对回归后的残差进行平稳性检验，以保证协整关系的存在。

我用jj检验发现rank（1），rank（2）rank（3）rank（4）都通过了，证明有4个协整，结果如下


                       Johansen tests for cointegration                        
Trend: constant                                         Number of obs =      31
Sample:  1982 - 2012                                             Lags =       2
-------------------------------------------------------------------------------
                                                         5%
maximum                                      trace    critical
  rank    parms       LL       eigenvalue  statistic    value
    0      30      249.36093           .     84.2168    68.52
    1      39      268.37949     0.70683     46.1797*   47.21
    2      46      281.21847     0.56322     20.5017    29.68
    3      51      289.27478     0.40534      4.3891    15.41
    4      54      291.43302     0.12998      0.0726     3.76
    5      55      291.46933     0.00234
-------------------------------------------------------------------------------
那怎么确定我的方程以emp为被解释变量lgdp，cpi,fem,ner为解释变量的是协整的？还有接下来用vecm模型的话怎么确定lag项是几？有没有trend 和constant？stata命令是应该如下吗：
varsoc emp,maxlags exo(lgdp fem ner cpi)

结果如下 varsoc emp,maxlag(6) exog(cpi lgdp fem ner)

   Selection-order criteria
   Sample:  1986 - 2012                         Number of obs      =        27
  +---------------------------------------------------------------------------+
  |lag |    LL      LR      df    p      FPE       AIC      HQIC      SBIC    |
  |----+----------------------------------------------------------------------|
  |  0 |  100.217                      .000051  -7.05308  -6.98172  -6.81311  |
  |  1 |  107.496   14.56    1  0.000  .000032  -7.51826  -7.43263  -7.23029* |
  |  2 |  107.759  .52464    1  0.469  .000034  -7.46362  -7.36372  -7.12766  |
  |  3 |  109.648  3.7784    1  0.052  .000032  -7.52948  -7.41531  -7.14553  |
  |  4 |  111.601  3.9069*   1  0.048   .00003* -7.60011  -7.47167* -7.16816  |
  |  5 |  112.734  2.2645    1  0.132   .00003  -7.60991* -7.46719  -7.12997  |
  |  6 |   113.27  1.0722    1  0.300  .000032  -7.57554  -7.41856  -7.04761  |
  +---------------------------------------------------------------------------+
LR结果显示第四个结果p-value显示第二个lag不显著了但是第四个lag又显著，sbic显示第一个lag合适，那我是最终该用一个lag吗？

结果如下 varsoc emp,maxlag(6) exog(cpi lgdp fem ner)

   Selection-order criteria
   Sample:  1986 - 2012                         Number of obs      =        27
  +---------------------------------------------------------------------------+
  |lag |    LL      LR      df    p      FPE       AIC      HQIC      SBIC    |
  |----+----------------------------------------------------------------------|
  |  0 |  100.217                      .000051  -7.05308  -6.98172  -6.81311  |
  |  1 |  107.496   14.56    1  0.000  .000032  -7.51826  -7.43263  -7.23029* |
  |  2 |  107.759  .52464    1  0.469  .000034  -7.46362  -7.36372  -7.12766  |
  |  3 |  109.648  3.7784    1  0.052  .000032  -7.52948  -7.41531  -7.14553  |
  |  4 |  111.601  3.9069*   1  0.048   .00003* -7.60011  -7.47167* -7.16816  |
  |  5 |  112.734  2.2645    1  0.132   .00003  -7.60991* -7.46719  -7.12997  |
  |  6 |   113.27  1.0722    1  0.300  .000032  -7.57554  -7.41856  -7.04761  |
  +---------------------------------------------------------------------------+
LR结果显示第四个结果p-value显示第二个lag不显著了但是第四个lag又显著，sbic显示第一个lag合适，那我是最终该用一个lag吗？

我用jj检验发现rank（1），rank（2）rank（3）rank（4）都通过了，证明有4个协整，结果如下


                       Johansen tests for cointegration                        
Trend: constant                                         Number of obs =      31
Sample:  1982 - 2012                                             Lags =       2
-------------------------------------------------------------------------------
                                                         5%
maximum                                      trace    critical
  rank    parms       LL       eigenvalue  statistic    value
    0      30      249.36093           .     84.2168    68.52
    1      39      268.37949     0.70683     46.1797*   47.21
    2      46      281.21847     0.56322     20.5017    29.68
    3      51      289.27478     0.40534      4.3891    15.41
    4      54      291.43302     0.12998      0.0726     3.76
    5      55      291.46933     0.00234
-------------------------------------------------------------------------------
那怎么确定我的方程以emp为被解释变量lgdp，cpi,fem,ner为解释变量的是协整的？还有接下来用vecm模型的话怎么确定lag项是几？有没有trend 和constant？stata命令是应该如下吗：
varsoc emp,maxlags exo(lgdp fem ner cpi)

Stata中vecrank命令用来检测协整秩，确认协整秩后，用vec命令构建VECM模型。
时间序列中lag阶数的问题，一般来讲可以根据data frequency确定，如果是月度数据可以取12，季度数据取4，但是阶数太少容易使原假设很容易被拒绝，如果阶数太多会使结果不显著。一般可以用information criteria判断阶数。对于你这个例子，可以使用varsoc命令，根据结果中AIC，HQIC，SBIC判断。
建议你还是先看一看计量经济学的书。
把Stata和计量结合的比较好的书，国内的有《高级计量经济学及Stata应用》，Stata Press出版的有《Introduction to Time Series Using Stata》《Microeconometrics Using Stata》。你可以参考一下。

在Stata中，vecrank命令检测协整秩，你可以根据trace statistics或max statistics判断协整秩（即协整向量个数），有的时候trace和max的结果有冲突，一般来讲根据trace结果判断即可。
得出协整秩后，可以用vec命令构建VECM模型：vec y1 y2 y3 y4 y5, lag() rank()
rank里填入你的协整秩数。
对于lag阶数的判断，对于时间序列来讲，一般来说可以根据data frequency来确定，举例来说，季度数据用4，月度数据用12。另外，我们可以借助information criteria （AIC， BIC等）来判断，取最小IC值的lag阶数。你可以借助varsoc命令得出AIC，BIC，HQIC
其实你的问题主要还是计量问题，建议你还是看看有关计量的书。
对于计量与Stata的结合，中文书建议看《高级计量经济学及Stata应用》，英文书推荐Stata Press的《Introduction to Time Series Using Stata》和《Microeconometrics Using Stata》