个人拙见 仅供参考

1 只有统计意义意味着你的模型必须建立在理论基础上，也就是定性分析>定量分析
2 原序列，同阶单整已经说明二者在时期变动上存在一致性，所以用原序列
3 必须是负数，正数还怎么均衡呢，肯定是负数才能将非均衡状态“拉回”（正确的说法是调整 回）均衡状态

感觉“非平稳性提高”有可能指的是几阶单整 二阶差分后平稳的“非平稳性”比一阶差分的要高吧

VAR模型只有统计意义，也就是没有经济学含义。要考虑经济学含义，采用SVAR模型。

误差修正项前面系数不一定为负，只是经济学意义上的解释一定是负向修正。如果一个变量偏离均衡，那肯定一个变量向上修正，另一个向下修正才是符合长期均衡。

格兰杰因果确实是要大样本和平稳才可靠。小样本时结果变化很敏感。在非平稳且协整的序列间，一般用原变量VAR，但非平稳可能有一定概率会使得因果关系模糊。一阶差分VAR显然出现模型设定偏差，因此不可靠。比较可靠的做法是从VECM中估计出误差修正项CE，然后将其放到一阶差分VAR中作为一个单独外生变量(要滞后一期)，然后可以做格兰杰因果检验。

但是VECM中已经得到了长期均衡关系，这种均衡关系是否具有因果关系，要依靠理论，而不是数据。实际应用中一般认为长期均衡关系就存在因果关系。否则脉冲响应图就不好解释了。例如x不是y的原因，但是x一个脉冲，y还是会出现一个响应。如果认为没有因果关系，y为什么为出现响应？所以，VECM结束后，通常不再做格兰杰因果分析，而是用脉冲响应来分析。

不通，对于两变量的VECM系数是有明确正负和大小要求的。古扎拉蒂的教材里头 讲得很明确。比如《计量经济学原理与实践》P267。而且，对于方程斜率系数的统计不显著性，作者也有解释。

如果协整方程有多个变量，其中一个变量的系数与ecm系数相反，那么VECM方程中，这个项的误差修正项系数就可以为正。