1、季节调整是必须的，除非没有季节影响。
2、如果理论模型是平稳的，则数据需要滤波，至于如何滤波需要根据情况详细考虑。
3、如果理论模型是非平稳的，通常的处理办法是对变量加以变换。对应的数据处理办法是对数一阶差分。
4、模型中平稳，数据中不平稳的，随便弄，如果你不需要讨论这个问题的话。

这个问题在研究过程中自然而然会得到解决。试图先想好再做反而是无法理解。

学习

我的理解是dsge模型里不都要对数线性化么？对数线性化以后的方程中的变量实际就是数据的波动部分吧？那对季节数据季节调整后滤波取对数应该就是模型中需要的数据了吧？

请教滤波的意义何在？

请问如果找到的数据是累计的数据，那需要把这种累计的数据中累计的成分去掉么？

同时猪人的观点

我看文章里，一般是根据自己的理论模型按照需要处理数据。
一般像产出，消费这类数据，先转成实际数据，消除季节趋势，然后取对数，滤波（这些都是为了使变量最终为平稳序列），如果像通货膨账这类不需要滤波和对数就是平稳的，那么就不用滤波了。
或者理论模型中，并不需要都是平稳的，比如技术冲击是随机游走的话，那么也可以不做滤波，所有变量除以技术就好了。总之，是根据自己模型的需要来处理。

我上面的回答是2年前了，这里更正一下。一般将数据输入模型的过程如下。

滤波主要用途在于得到数据的无条件样本矩，这个看看最经典的RBC论文就可以了。
不过现在一般都要做IRF和贝叶斯。IRF要估计VAR模型，而VAR不一定要求数据平稳的，所以滤波与否无所谓。下面说贝叶斯的。

第一步，选择measurement。比如，你用什么衡量Y、什么衡量C、什么衡量I。一般来说，除了自身就是名义量的变量之外，都要用平减过后的变量作为模型中实际变量的衡量。

第二步，季节调整。年度数据不需要调整，季度及其更高频率的数据必须进行季节调整。调整方法无所谓，无外乎X12 ARIMA，还有一种名字忘了。

第三步，尽管Dynare无需手动线性化和手动去势，但还是建议自己来。线性化后的模型务必要求平稳！否则麻烦会很多。

第四步，为模型联接数据。一般是把数据作为状态空间系统中可观测变量的观测值。如果你的模型没有趋势，比如Smets Wouters 2003，那就直接用滤波过后的数据。如果你的模型确定性时间趋势，那么就用滤波或对时间去势后的数据。如果你的模型有单位根随机趋势，那么就不要滤波了，对数差分即可，详见几篇经典的Bayesian中型模型论文。

我想请问下，在对DSGE模型手工求一阶条件后，是否需要对方程的变量进行手工转换成平稳的形式啊？我没太明白在用DYNARE进行实际操作时，是对变量数据进行stationarize呢还是对DSGE方程进行调整？求好心人解答，初级的问题，呵呵，连第一步都没法迈出去。

求问DSGE模型有没有专用的软件进行数据处理或方程运算啊。求大神推荐，谢谢了

很有收获，谢谢