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（11楼主解释了该原理），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

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

做格兰杰因果检验的前提必须保证两组序列为稳定序列.一般检验序列的稳定性都会采用ADF单位根检验,如果证实不存在单位根,则序列被定义为稳定序列.因此可以将其,两组序列进行格兰杰因果检验.

   协整检验并不是进行格兰杰因果检验的先决条件,但目前很多的文献中都将其序列进行ADF检验后,再进行协整检验,最后才进行格兰杰因果检验. 其实实际上只需要进行单位根检验后,证明其为稳定序列就可以进行格兰杰因果检验了.在这里,关于单位根检验,我建议采用PP检验,因为PP检验中t统计量的构造相对于ADF检验的统计量更为稳定.

先进行单位根检验，判断数据是否平稳，如果存在单位根，且同阶的话，再进行协整分析，可用E－G两步法或Johnson法来判断协整关系，如果存在协整可进一步检测格兰杰因果检验，看看某一个变量的先前的变化对另一个变量是否有影响。

单位根检验是检查序列的平稳性，非平稳的序列进行回归会出现伪回归问题，分析结果不可靠，如果序列是平稳的就可以直接建模，如果不平稳，就要进行协整分析，协整的前提是序列应为同阶单整，具有协整关系的非平稳序列也可以进行回归分析而不会出现伪回归现行，避免了差分丢失信息的弊端。

首先，需要对序列的平稳性进行检验，如果序列均平稳，则可以直接进行Granger因果检验，由于此时变量以其水平值出现，所以此时检验的是变量间长期意义上的因果关系；在变量均非平稳但协整的情况下则可以建立误差修正模型(Error Correction Model, ECM)来研究变量间的关系，由于误差修正项的出现，ECM可以同时研究短期与长期的因果关系；在变量均非平稳且不协整的情况下，则需要在差分的基础上建立VAR模型，但由于差分消除了变量长期上的经济信息，因此此时只可以分析变量间的短期因果关系。
格兰杰因果检验中的滞后阶数怎么确定的？还有作了协整检验了，存在协整关系，怎么写协整方程？

根据AIC 和SC的值来判断，越小越好。协整方程就是你作协整检验时，作的回归方程，其表达形式和平稳变量作回归的表达形式相同，这个方程叫作长期协整方程，表现的是变量间的长期关系。对长期协整方程中的变量的一阶差分序列作回归，得到短期修正模型，表现变量的短期动态关系。

 
请问如何在EViews5.0中做单位根ADF检验,做一次就可以了吗

菜单中步骤：1 view---unit root test,出现对话框，默认的选项为变量的原阶序列检验平稳性，确认后，若ADF检验的P值小于0.5，拒绝原假设，说明序列是平稳的，若P值大于0.5，接受原假设，说明序列是非平稳的；2 重复刚才的步骤，view---unit root test,出现对话框，选择1st difference,即对变量的一阶差分序列做平稳性检验，和第一步中的检验标准相同，若P值小于0.5，说明是一阶平稳，若P值大于0.5，则继续进行二阶差分序列的平稳性检验。

单位根检验是看数据是否平稳，常用于时间序列，比如GDP等，如果不平稳可以进行对数变换或者差分，对数变换有助于消除异方差，然后再看是否平稳，定阶.

协整检验是为了判断有相同趋势的两个甚至多个序列之间是否存在长期均衡关系，对各个序列进行单整检验，对于有相同阶数的两个序列建立模型，在检验此模型的残差是否是平稳的，或者几阶是平稳的（通常不会大于1阶），若残差是平稳的，则两个序列之间存在协整关系，以为着他们是长期均衡的。做此检验的目的是防止伪回归。

当然还有误差修正模型，是对协整检验的补充，前者是两个序列是否有长期关系，或者是检验是否具有短期相关性。因果检验用于有长期均衡关系的两个序列，判断谁因谁果的。

单位根检验用于检验时间系列的平稳性，一般金融经济数据是不满足平稳性的，所以不能用回归分析。如果经检验各变量均为同阶单整（不一定非得一阶但一般为一阶），然后进行协整检验。协整检验用于检验变量之间是否具有长期稳定的线性关系。如果通过了协整检验则说明存在长期稳定的线性关系。格兰杰检验用于检验变量之间的因果关系。由于格兰杰因果检验对滞后阶数非常敏感，因此检验之前首先根据AIC准则等确定最优滞后阶数。

格兰杰因果检验的滞后阶数和VAR模型的滞后阶数是一致的。协整检验的滞后阶数是VAR模型滞后阶数减1。做VEC时，同VAR一样需要提供信息。同样，也可以指定外生变量，但截距项和趋势项的设定应与JJ协整检验的相关假设一致。

ADF检验时，画出检验序列的曲线图，观察是否存在一个偏离0的位置随机变动或具有一个线性趋势，进而决定是否在检验时添加常数项；如果图形中大致显示了检验序列的波动趋势呈非线性变化，则可以添加时间趋势项（参考高铁梅P168）。适当的滞后期数可通过SIC准则确定，滞后期数是否适当，可对检验模型的误差项进行无序列相关的LM检验，若无序列相关，则滞后期数是适当的（参考李子奈计量经济学2版P332）。

方差分解仅限于误差项无序列相关的情形，因此，在方差分解前，需对VAR模型进行序列相关的LM检验(参考论文《外汇储备增加对基础货币投放的影响》及张晓峒P117)。

应用VAR模型时应注意的问题