*一般的順序是：先檢驗變數的平穩性,當變數均為同階單整變數時,再採用協整檢驗以判別變數間是否存在長期均衡關係。如果變數間存在長期均衡的關係,我們可以通過誤差修正模型(ecm) 來檢驗變數間的長期因果關係;如變數間不存在協整關係,我們將對變數進行差分,然後通過向量自回歸模型(var),檢驗變數間的短期因果關係。
關於平穩性檢驗和協整檢驗、因果檢驗流程圖
↗ 同階單整→協整檢驗→協整？（yes：eg兩步法 for 長期因果關係；no：誤差修正模型ecm/vec for 短期因果關係）
平穩？（單位根檢驗）
↘非同階單整→差分使平穩→var→granger因果檢驗 for 短期因果關係
關於面板資料模型選擇回歸與檢驗流程圖
混合固定（main：個體固定） 隨機（main：個體隨機）
▏先回歸估計 ▏先回歸估計
↓cross-section:fixed ↓cross-section:random
f檢驗 hausman檢驗
▏ ▏h0:混合 h1:個體固定 ho:個體隨機 h1:個體固定
--output： ▏ ▏
if: if:
f=(cross-section f stat.)>fa(df1,df2) h=(cross-section random stat.)>χ2a(df1)
or prob.以eviews6為例，來說明一下面板模型的選擇問題：
f檢驗是用來在混合模型和固定效應模型中做出選擇，而hausman檢驗是用來在固定效應模型和隨機效應模型中做出選擇，所以不存在孰先孰後的問題；
由於我們通常估計的個體效應而不是時刻效應，所以我們進行回歸和檢驗的時候，period選擇none。
回歸的時候，具體操作設定如下，
depedent variable裡填因變數，common coefficients裡填自變數（包括截距項c），cross-section視回歸需要選擇none、fixed、random，period選擇none，可以依次實現混合回歸、個體固定回歸、個體隨機回歸。然後在個體固定回歸之後，進行f檢驗進行模型選擇決策1；在個體隨機回歸之後，進行hausman檢驗進行模型選擇決策2，從而最終得出最佳回歸。
資料分析方法
平衡分析法 所謂平衡就是各個互相聯絡的因素之間，在數量上保持一定的合理的對應關係。平衡分析法是分析事物之間相互關係的一種方法。它分析事物之間發展是否平衡，揭示出事物間出現的不平衡狀態 性質和原因，指引人們去研究積極平衡的方法，促進事物的發展。統計平衡分析的主要方法有編制平衡表和建立平衡關係式。平衡表...
資料分析方法彙總
一 描述統計 描述性統計是指運用製表和分類，圖形以及計筠概括性資料來描述資料的集中趨勢 離散趨勢 偏度 峰度。1 缺失值填充 常用方法 剔除法 均值法 最小鄰居法 比率 回歸法 決策樹法。2 正態性檢驗 很多統計方法都要求數值服從或近似服從正態分佈，所以之前需要進行正態性檢驗。常用方法 非引數檢驗的...
資料分析總結
1.為何要進行資料分析 1.1 資料可以用來回答一些問題的依據 少，收入下降，為什麼？玩家到達什麼階段？需要什麼？比較喜歡什麼？遇到什麼困難？玩家在 流失比較嚴重？這些問題，都要靠資料來回答。1.2 為什麼要利用資料？網路遊戲是乙個玩家行為的集合，要從這麼多玩家的心理以及玩家的行為中尋找其中的規律，...