進行平穩性檢驗一定要取對數嗎？不一定，要看變量穩定與否。對數不改變平穩性，但對數后的差消除了異方差。平穩性可分為強平穩性和弱平穩性。強平穩性的要求非常嚴格，要求兩組數據之間的任何統計性質都不會隨時間變

進行平穩性檢驗一定要取對數嗎？

不一定，要看變量穩定與否。

對數不改變平穩性，但對數后的差消除了異方差。

平穩性可分為強平穩性和弱平穩性。

強平穩性的要求非常嚴格，要求兩組數據之間的任何統計性質都不會隨時間變化。其要求過于嚴格，理論上難以證明，實踐中難以檢驗，所以基本沒有應用場景。

eviews怎么取對數增量？

S

用Eviews做ADF檢驗的前提（步驟）是什么？ADF檢驗，一般最好是對數據求對數之后進行。這又是為什么？

對數化后，數據的數量級降低，波動性也降低，容易達到穩定。很多數據都是這樣處理的。

然后做ADF測試。如果測試后原序列不穩定，會進行微分直至穩定，但一般兩次微分后就穩定了。差異太多不好，信息會丟失。為什么沒有序列測試？如果有趨勢項和截距項，三個都要過。最大滯后項通常是默認的，因為默認滯后項就足夠了。

msvar模型介紹？

MSVAR模型的數學原理有一個假設，所有的變量都服從一個轉移概率矩陣和一個共同的區域系統，所以在建模之前，你必須保證你使用的指標有很好的協調性。以二元MSVAR模型為例，兩個指標要盡量一致，時差相關系數的領先滯后期不能太大，個人經驗不能超過[-3，3]。如果超過且兩個指標有明顯的超前滯后關系，則不適合使用MSVAR模型。另外需要注意的是，兩個指標的主峰和主谷要盡量保持對應，這樣建模結果才可信。

2.1數據處理，要盡量剔除指標的不規則擾動成分，使用指標的周期性波動成分或缺口數據。具體來說，第一種方法使用的是橫向數據(有單位和指數指數趨勢)，一般有兩種處理方法:1。數據的對數差；2.對數據進行季節調整后的HP濾波(可以用Eviews軟件實現)；第二種增長率數據只是季節性調整。

2.2在建模過程中，除了選擇不同的模型形式，如MSM、MSI、MSMH、MSIH等。，MSVAR也有兩個重要的參數可以選擇。第一，區數，一般選擇2或3，表示識別2或3個區；第二個VAR模型的滯后階和滯后階的判斷一般先由變量的簡化VAR模型決定，這也是寫論文的一般范式，但實際情況是由簡化VAR模型決定的。最優滯后階數不一定是最優結果。這就需要你判斷識別出的平滑概率對應的區域系統是否能夠解釋其經濟意義，或者參數估計結果是否合理。參數估計的結果試圖保證1區的截距項或均值項大于或小于2區，第一變量1區的截距項小于2區，第二變量1區的截距項大于2區，因此構建的模型是錯誤的。

另外，還有一個很重要的問題，就是你想通過構建msvar模型來識別高增長區和低增長區(比如研究股票的牛市或熊市)；或者擴張收縮區系(從經濟周期的角度來研究指標的拐點，經濟是處于擴張還是衰退狀態)，以MSI(2)-VAR模型為例，如果能識別出高增長區系和低增長區系，直接用上面處理的數據進行建模就好了；如果確定了膨脹和收縮區域，則應使用數據的差分數據進行建模。