在面板数据的处理中，Eviews到底能为我们做些什么？下面以Eviews6为例，大家在这里讨论一下。

假定我建立的截面为：_A _B _C _D ..._R  ，共18个截面，

时间序列为2001-2008

变量有：y x t1 t2 t3 t4 t5 ，即1个因变量 1个自变量 5个控制变量

------------

我的Eviews分析过程如下：

1 打开pool对象，首先我想到的是进行描述性统计，即View/Descriptive Statistics，通过描述性统计初步对各变量的基本状况（主要是均值Mean和标准差Std. Dev.）做个基本了解。

2 做完描述性统计后，一般大家就开始准备回归与进行模型的选择了，其实不然；在回归之前，我们有必要对面板进行平稳性检验，数据如果不平稳而直接回归的话，得出的回归是伪回归。于是开始用View/Unit Root Test来测试面板序列是否存在单位根。注意：这里是在pool窗口里对面板序列进行单位根检验，而不是点Eviews主菜单的Quick/Series Statistics/Unit Root Test，那个是对普通序列的单位根检验，如y1_A。

在做pool单位根检验时，我对每个变量按照相同的处理进行都进行了检验，

共同的设置为首先将Test Type为Summary，它是对各种单位根检验方法的综合；

然后是截距项和趋势项的选择，一般是3 Steps Analysis：individual intercept and trend→Individual intercept→None，也就是说按照3步法的流程依次检验，即首先从含有常数和趋势项的模型开始，再检验只含常数项的模型，最后二者都不含的模型；并且认为，三个模型的检验结果都不能拒绝原假设的时候时，认为序列是非平稳的，而只要有一个模型检验为平稳序列，则序列为平稳的。这是比较严谨的做法。我这里只用了individual intercept and trend进行检验，因为我认为我这次采用的数据具备这种特性；其他选项设置为默认。

3步分析法是应该都做的，而且每步分析都包含一个完整的检验流程，那即是水平序列→一阶差分序列→二阶差分序列

我这里只做了individual intercept and trend，就以此为例说明下流程的执行过程，首先是对水平序列level的检验，

检验结果输出为：

Levin, Lin & Chu t* -2.56874  0.0051  18  114
Breitung t-stat  5.83663  1.0000  18  96
Im, Pesaran and Shin W-stat   2.02973  0.9788  18  114
ADF - Fisher Chi-square  29.0517  0.7877  18  114
PP - Fisher Chi-square  49.8464  0.0622  18  120

Summary提供了5种方法的集合，我们着重看它们各自的统计量和相伴概率，值得一说的是，这5种方法均是建立在原假设为存在单位根的情况下的，因此相伴概率越大就越不能拒绝原假设，而且IPS给出的W统计量、ADF和PP给出的FCS统计量检验的都是有效的单位根，而LLC、BR检验的只是普通的单位根，因此我们将重点关注在IPS、ADF、PP检验上，总体来看，上面检验结果说明该面板序列是存在单位根，即非平稳的。

非平稳的序列，我们将其一阶差分后，继续对其进行单位根检验；如若不行，进行二阶差分继续检验；此过程一直进行到序列不存在单位根，即平稳为止。一般来说，序列进行到二阶差分就应该平稳了，我们对该序列的检验就可停止了，因此，Eviews在单位根检验的对话窗口中也就只给出level，1st difference，2nd difference三项选择。事实上，如果你对研究要求十分精确的话，可以对序列进行高阶差分后，在进行单位根检验。

以对面板序列y?差分为例，

如一阶差分可在序列栏中输入 d(y?) ，然后底下选择level；这和在序列栏中输入 y? ，然后底下选择1st difference的检验结果完全一致；

高阶差分的话可在序列栏中输入 d(y?，n) ，其中n为你想差分的阶数。

通过对所有的变量遍历完整个单位根检验过程后，最终我检验出来的结果如下：

因变量 1阶单整

自变量 0阶单整

控制变量 1个高阶单整 3个2阶单整 1个0阶单整

即所有变量并非同阶单整。

我的问题是：如何进行协整？也就是说多变量非同阶单整时如何进行协整检验，以及在Eviews6中Cointegration Test中如何予以实现？

大家知道的都来讨论讨论下，谢谢。