非平穩(wěn)面板數(shù)據(jù)建模方法比較在實(shí)際研究中，我常遇到這樣的困惑：當(dāng)處理宏觀經(jīng)濟(jì)、金融市場(chǎng)或產(chǎn)業(yè)發(fā)展的面板數(shù)據(jù)時(shí)，傳統(tǒng)平穩(wěn)性假設(shè)往往不成立。比如追蹤多個(gè)省份的GDP增長(zhǎng)率、觀察不同上市公司的股價(jià)波動(dòng)，這些數(shù)據(jù)常表現(xiàn)出明顯的趨勢(shì)性或隨機(jī)游走特征——就像一群“喝醉的行人”，看似無序卻隱含長(zhǎng)期關(guān)聯(lián)。這時(shí)候，非平穩(wěn)面板數(shù)據(jù)建模就成了繞不開的工具。本文將從基礎(chǔ)概念出發(fā)，逐步拆解主流方法的原理、適用場(chǎng)景與局限，結(jié)合實(shí)際研究中的經(jīng)驗(yàn)，嘗試為讀者繪制一幅清晰的“方法地圖”。一、非平穩(wěn)面板數(shù)據(jù)：特征、挑戰(zhàn)與研究意義要理解非平穩(wěn)面板數(shù)據(jù)建模，首先得明確“非平穩(wěn)”的本質(zhì)。簡(jiǎn)單來說，平穩(wěn)數(shù)據(jù)的均值、方差和自協(xié)方差不隨時(shí)間變化，像精準(zhǔn)的鐘表；而非平穩(wěn)數(shù)據(jù)則像隨風(fēng)擺動(dòng)的風(fēng)箏，均值可能隨時(shí)間漂移（趨勢(shì)非平穩(wěn)），或方差逐漸擴(kuò)大（異方差非平穩(wěn)），最常見的是存在單位根（隨機(jī)游走非平穩(wěn)）。面板數(shù)據(jù)（PanelData）同時(shí)包含截面（N個(gè)個(gè)體）和時(shí)間（T個(gè)時(shí)期）兩個(gè)維度，非平穩(wěn)性在這兩個(gè)維度上的交互，讓問題變得更復(fù)雜。1.1非平穩(wěn)面板數(shù)據(jù)的典型特征從實(shí)際觀測(cè)看，這類數(shù)據(jù)有三個(gè)顯著特征：第一是單位根普遍存在。例如研究20個(gè)新興市場(chǎng)國家的匯率數(shù)據(jù)，多數(shù)國家的匯率序列可能無法拒絕單位根原假設(shè)，即數(shù)據(jù)生成過程包含隨機(jī)游走成分。第二是截面相關(guān)性。同一時(shí)期不同個(gè)體的數(shù)據(jù)可能受共同沖擊影響（如全球金融危機(jī)），導(dǎo)致截面單元間存在相關(guān)性，這會(huì)破壞傳統(tǒng)面板模型“截面獨(dú)立”的假設(shè)。第三是潛在協(xié)整關(guān)系。盡管單個(gè)序列非平穩(wěn)，但多個(gè)序列可能存在長(zhǎng)期均衡關(guān)系。比如居民收入與消費(fèi)，單看兩者都是非平穩(wěn)的，但長(zhǎng)期來看消費(fèi)不會(huì)偏離收入太遠(yuǎn)，這種“共同趨勢(shì)”就是協(xié)整關(guān)系。1.2傳統(tǒng)方法的局限性如果忽視非平穩(wěn)性直接用靜態(tài)面板模型（如固定效應(yīng)、隨機(jī)效應(yīng)），會(huì)導(dǎo)致“偽回歸”——模型顯示高度顯著的回歸結(jié)果，但實(shí)際上變量間并無真實(shí)因果關(guān)系。我曾用10個(gè)城市的房?jī)r(jià)和M2數(shù)據(jù)做過簡(jiǎn)單回歸，R2高達(dá)0.95，但后續(xù)單位根檢驗(yàn)發(fā)現(xiàn)兩者都是I(1)序列，這時(shí)候的高擬合度很可能是虛假的。動(dòng)態(tài)面板模型（如差分GMM）雖然引入滯后項(xiàng)，但如果原序列非平穩(wěn)，差分后可能丟失長(zhǎng)期信息；而直接對(duì)非平穩(wěn)數(shù)據(jù)建模，又可能因“非平穩(wěn)性未處理”導(dǎo)致估計(jì)量不一致。1.3研究非平穩(wěn)面板數(shù)據(jù)的現(xiàn)實(shí)意義在宏觀經(jīng)濟(jì)政策評(píng)估中，我們需要分析財(cái)政支出與經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期關(guān)系；在金融風(fēng)險(xiǎn)管理中，要識(shí)別不同資產(chǎn)價(jià)格的協(xié)同波動(dòng)；在產(chǎn)業(yè)研究中，需追蹤企業(yè)創(chuàng)新投入與產(chǎn)出的動(dòng)態(tài)關(guān)聯(lián)。這些問題的核心都是“非平穩(wěn)數(shù)據(jù)中的長(zhǎng)期均衡與短期調(diào)整”，非平穩(wěn)面板建模正是解決這類問題的關(guān)鍵工具。二、主流非平穩(wěn)面板數(shù)據(jù)建模方法解析針對(duì)非平穩(wěn)面板數(shù)據(jù)的特性，學(xué)術(shù)界發(fā)展出了一套系統(tǒng)的方法體系，主要包括面板單位根檢驗(yàn)、面板協(xié)整檢驗(yàn)、面板誤差修正模型（VECM）以及動(dòng)態(tài)面板GMM等方法。這些方法環(huán)環(huán)相扣，從“診斷非平穩(wěn)性”到“識(shí)別長(zhǎng)期關(guān)系”，再到“刻畫短期調(diào)整”，形成了完整的分析鏈條。2.1面板單位根檢驗(yàn)：診斷非平穩(wěn)性的第一步要確定數(shù)據(jù)是否非平穩(wěn)，首先需要進(jìn)行單位根檢驗(yàn)。與時(shí)間序列單位根檢驗(yàn)（如ADF檢驗(yàn)）不同，面板單位根檢驗(yàn)充分利用了截面維度的信息，檢驗(yàn)效能更高。常見的方法有LLC檢驗(yàn)、IPS檢驗(yàn)、Fisher-type檢驗(yàn)和CADF檢驗(yàn)等。LLC檢驗(yàn)（Levin-Lin-Chu）：假設(shè)所有截面單元具有相同的單位根過程（同質(zhì)性假設(shè)），通過構(gòu)建面板ADF回歸，將時(shí)間序列的自回歸系數(shù)約束為相同。這種方法在小樣本下表現(xiàn)較好，但現(xiàn)實(shí)中不同個(gè)體的動(dòng)態(tài)特征可能差異很大，同質(zhì)性假設(shè)過于嚴(yán)格。我曾用15家制造業(yè)企業(yè)的產(chǎn)能利用率數(shù)據(jù)做LLC檢驗(yàn)，結(jié)果拒絕了單位根原假設(shè)，但后續(xù)分個(gè)體檢驗(yàn)發(fā)現(xiàn)其中3家企業(yè)數(shù)據(jù)是平穩(wěn)的，這說明同質(zhì)性假設(shè)可能掩蓋了個(gè)體差異。IPS檢驗(yàn)（Im-Pesaran-Shin）：放松了同質(zhì)性假設(shè)，允許每個(gè)截面單元有不同的自回歸系數(shù)，通過計(jì)算個(gè)體ADF檢驗(yàn)統(tǒng)計(jì)量的平均值來構(gòu)造面板檢驗(yàn)統(tǒng)計(jì)量。這種方法更符合實(shí)際數(shù)據(jù)特征，但要求截面單元獨(dú)立——這在存在共同沖擊時(shí)不成立。比如研究省際GDP數(shù)據(jù)時(shí)，各省經(jīng)濟(jì)受國家政策影響，截面相關(guān)性明顯，直接用IPS檢驗(yàn)會(huì)低估標(biāo)準(zhǔn)誤，導(dǎo)致錯(cuò)誤結(jié)論。Fisher-type檢驗(yàn)：基于P值組合的思想，將每個(gè)截面單元的ADF檢驗(yàn)P值進(jìn)行卡方或正態(tài)變換，構(gòu)造整體檢驗(yàn)統(tǒng)計(jì)量。它既允許異質(zhì)自回歸系數(shù)，又能通過Bootstrap處理截面相關(guān)，靈活性更高。我在處理28個(gè)行業(yè)的就業(yè)數(shù)據(jù)時(shí)，用Fisher-type檢驗(yàn)并加入截面相關(guān)調(diào)整，結(jié)果更穩(wěn)健。CADF檢驗(yàn)（Cross-SectionallyAugmentedDickey-Fuller）：專門應(yīng)對(duì)截面相關(guān)性問題，在ADF回歸中加入截面均值及其差分作為控制變量，捕捉共同因子的影響。例如分析全球主要股市的收益率數(shù)據(jù)，各國市場(chǎng)受美聯(lián)儲(chǔ)政策、地緣政治等共同因子影響，CADF檢驗(yàn)?zāi)芨鼫?zhǔn)確地識(shí)別單位根。2.2面板協(xié)整檢驗(yàn)：尋找長(zhǎng)期均衡關(guān)系如果面板數(shù)據(jù)中多個(gè)變量都是I(1)序列（一階單整），接下來需要檢驗(yàn)它們是否存在協(xié)整關(guān)系——即是否存在一個(gè)線性組合是平穩(wěn)的。面板協(xié)整檢驗(yàn)方法可分為“基于殘差”和“基于回歸系數(shù)”兩大類。Pedroni檢驗(yàn)：最常用的基于殘差的方法，允許異質(zhì)的截距項(xiàng)和趨勢(shì)項(xiàng)，構(gòu)造了7個(gè)統(tǒng)計(jì)量（4個(gè)組內(nèi)統(tǒng)計(jì)量，3個(gè)組間統(tǒng)計(jì)量），分別從不同角度檢驗(yàn)殘差的平穩(wěn)性。比如組內(nèi)統(tǒng)計(jì)量考慮了同質(zhì)性調(diào)整，組間統(tǒng)計(jì)量允許異質(zhì)自回歸系數(shù)。我曾用Pedroni檢驗(yàn)分析10個(gè)國家的能源消費(fèi)與GDP的關(guān)系，結(jié)果顯示在5%顯著性水平下存在協(xié)整關(guān)系，但不同統(tǒng)計(jì)量的顯著性略有差異，這提示需要綜合判斷。Kao檢驗(yàn)：假設(shè)所有截面單元具有相同的協(xié)整向量（同質(zhì)性），通過構(gòu)造DF或ADF統(tǒng)計(jì)量檢驗(yàn)殘差平穩(wěn)性。這種方法計(jì)算簡(jiǎn)單，但同質(zhì)性假設(shè)限制了應(yīng)用場(chǎng)景。例如研究不同發(fā)展階段國家的消費(fèi)函數(shù)，高收入國家和低收入國家的邊際消費(fèi)傾向可能不同，Kao檢驗(yàn)的結(jié)果可能不可靠。Westerlund檢驗(yàn)：基于誤差修正模型（ECM）的協(xié)整檢驗(yàn)，直接檢驗(yàn)誤差修正項(xiàng)的顯著性。它允許異質(zhì)的協(xié)整向量和調(diào)整速度，還能處理截面相關(guān)性，被認(rèn)為是更穩(wěn)健的方法。我在分析中國城市房?jī)r(jià)與居民收入的協(xié)整關(guān)系時(shí)，用Westerlund檢驗(yàn)考慮了城市間的空間溢出效應(yīng)（截面相關(guān)），結(jié)果顯示存在顯著的誤差修正機(jī)制，說明兩者存在長(zhǎng)期均衡。2.3面板誤差修正模型（PVECM）：刻畫短期調(diào)整與長(zhǎng)期均衡確認(rèn)協(xié)整關(guān)系后，需要建立誤差修正模型來同時(shí)捕捉長(zhǎng)期均衡和短期動(dòng)態(tài)。面板誤差修正模型的一般形式為：Δy_it=α_i(y_it-1β’x_it-1)+γ’Δx_it+ε_(tái)it其中，α_i是誤差修正系數(shù)（反映偏離長(zhǎng)期均衡后的調(diào)整速度），β是協(xié)整向量（長(zhǎng)期均衡關(guān)系）。模型構(gòu)建步驟：首先通過面板協(xié)整檢驗(yàn)得到協(xié)整向量β，然后將滯后一期的均衡誤差（y_it-1β’x_it-1）作為解釋變量加入差分方程。例如研究企業(yè)研發(fā)投入（y）與專利產(chǎn)出（x）的關(guān)系，若協(xié)整檢驗(yàn)顯示存在長(zhǎng)期均衡，PVECM可以告訴我們：當(dāng)研發(fā)投入短期偏離均衡水平1%時(shí)，下一期專利產(chǎn)出會(huì)調(diào)整多少（由α_i決定），同時(shí)短期研發(fā)投入變化對(duì)專利產(chǎn)出的影響（由γ決定）。注意事項(xiàng)：誤差修正系數(shù)α_i應(yīng)為負(fù)數(shù)（否則調(diào)整方向錯(cuò)誤），且絕對(duì)值越大，調(diào)整速度越快。我曾遇到過α_i為正的情況，后來發(fā)現(xiàn)是協(xié)整向量估計(jì)錯(cuò)誤，重新用FMOLS（完全修正最小二乘法）估計(jì)后，結(jié)果恢復(fù)合理。此外，PVECM要求變量間存在唯一的協(xié)整關(guān)系，若存在多個(gè)協(xié)整向量，需使用面板VECM模型，這會(huì)增加估計(jì)復(fù)雜度。2.4動(dòng)態(tài)面板GMM：處理內(nèi)生性與非平穩(wěn)性的權(quán)衡當(dāng)模型包含滯后被解釋變量（如y_it=ρy_it-1+βx_it+ε_(tái)it），且數(shù)據(jù)可能非平穩(wěn)時(shí)，動(dòng)態(tài)面板GMM（廣義矩估計(jì)）是常用方法。它通過工具變量解決內(nèi)生性問題（滯后項(xiàng)與誤差項(xiàng)相關(guān)），同時(shí)在非平穩(wěn)條件下仍能保持估計(jì)量的一致性。差分GMM與系統(tǒng)GMM：差分GMM將原方程差分，用滯后水平值作為差分方程的工具變量；系統(tǒng)GMM則同時(shí)估計(jì)原方程和差分方程，用滯后差分值作為水平方程的工具變量。系統(tǒng)GMM在小樣本下偏誤更小，但要求變量不存在過度差分（如I(1)變量差分后為I(0)，適合系統(tǒng)GMM）。我在研究銀行信貸增長(zhǎng)的動(dòng)態(tài)時(shí)，用系統(tǒng)GMM控制了內(nèi)生性，結(jié)果顯示滯后一期的信貸增長(zhǎng)率對(duì)當(dāng)期有顯著正向影響，這與差分GMM的結(jié)果一致，但標(biāo)準(zhǔn)誤更小。局限性：GMM依賴工具變量的有效性（外生性和相關(guān)性），若工具變量弱相關(guān)，估計(jì)量會(huì)有嚴(yán)重偏誤。此外，GMM假設(shè)誤差項(xiàng)無序列相關(guān)（AR(1)允許，但AR(2)不允許），實(shí)際檢驗(yàn)中需要用Sargan檢驗(yàn)和AR檢驗(yàn)驗(yàn)證。我曾用GMM估計(jì)時(shí)，AR(2)檢驗(yàn)顯著，說明模型設(shè)定可能遺漏了重要變量，補(bǔ)充了宏觀經(jīng)濟(jì)波動(dòng)指標(biāo)后，檢驗(yàn)通過。三、方法比較：從理論到實(shí)踐的多維度權(quán)衡不同建模方法各有優(yōu)劣，選擇時(shí)需要綜合考慮數(shù)據(jù)特征（N和T的大小、截面相關(guān)性強(qiáng)弱）、研究問題（關(guān)注長(zhǎng)期均衡還是短期動(dòng)態(tài)）、假設(shè)條件（同質(zhì)性vs異質(zhì)性）等因素。以下從五個(gè)關(guān)鍵維度進(jìn)行比較：3.1理論基礎(chǔ)與假設(shè)條件面板單位根檢驗(yàn)：LLC假設(shè)同質(zhì)自回歸系數(shù)，IPS和Fisher-type允許異質(zhì)但要求截面獨(dú)立，CADF通過加入截面均值控制相關(guān)。面板協(xié)整檢驗(yàn)：Pedroni和Westerlund允許異質(zhì)協(xié)整向量和調(diào)整速度，Kao假設(shè)同質(zhì)性。PVECM：基于協(xié)整理論，要求存在長(zhǎng)期均衡關(guān)系，誤差修正項(xiàng)平穩(wěn)。動(dòng)態(tài)GMM：基于矩條件，依賴工具變量有效性，對(duì)非平穩(wěn)性的處理是“容忍”而非“修正”。實(shí)際中，若數(shù)據(jù)截面相關(guān)性強(qiáng)（如宏觀經(jīng)濟(jì)面板），應(yīng)優(yōu)先選CADF單位根檢驗(yàn)和Westerlund協(xié)整檢驗(yàn)；若個(gè)體異質(zhì)性明顯（如企業(yè)微觀數(shù)據(jù)），避免使用LLC和Kao等同質(zhì)性假設(shè)強(qiáng)的方法。3.2數(shù)據(jù)維度（NvsT）的適用性當(dāng)T較?。ǘ堂姘?，如T=10，N=100），LLC和IPS檢驗(yàn)的勢(shì)（Power）較低，F(xiàn)isher-type和CADF更適用；當(dāng)T較大（長(zhǎng)面板，如T=50，N=20），異質(zhì)性假設(shè)下的方法（IPS、Pedroni）效能更高。PVECM需要足夠的時(shí)間維度（T≥20）來準(zhǔn)確估計(jì)誤差修正系數(shù)，短面板可能導(dǎo)致α_i估計(jì)偏誤。動(dòng)態(tài)GMM在N大T?。ā皩挾獭泵姘澹r(shí)表現(xiàn)較好，因?yàn)楣ぞ咦兞繑?shù)量隨N增加而增加，而系統(tǒng)GMM在T較大時(shí)更穩(wěn)健。我曾用兩組數(shù)據(jù)測(cè)試：一組是N=100、T=10的企業(yè)財(cái)務(wù)數(shù)據(jù)（短面板），另一組是N=20、T=50的國家宏觀數(shù)據(jù)（長(zhǎng)面板）。短面板中，CADF單位根檢驗(yàn)比IPS更可靠；長(zhǎng)面板中，Pedroni協(xié)整檢驗(yàn)的結(jié)果更穩(wěn)定。3.3截面相關(guān)性的處理能力截面相關(guān)性是面板數(shù)據(jù)的“常態(tài)”，處理不當(dāng)會(huì)導(dǎo)致所有檢驗(yàn)失效。LLC、IPS等早期方法假設(shè)截面獨(dú)立，在相關(guān)時(shí)會(huì)嚴(yán)重扭曲檢驗(yàn)水平（TypeIError上升）。CADF通過加入截面均值及其差分作為控制變量，直接捕捉共同因子，是處理強(qiáng)相關(guān)的“利器”。Westerlund協(xié)整檢驗(yàn)允許通過Bootstrap調(diào)整截面相關(guān)，比Pedroni更穩(wěn)健。動(dòng)態(tài)GMM中，若存在截面相關(guān)，需使用聚類穩(wěn)健標(biāo)準(zhǔn)誤或加入時(shí)間固定效應(yīng)控制。在研究“一帶一路”沿線國家貿(mào)易額與經(jīng)濟(jì)增長(zhǎng)的關(guān)系時(shí)，各國受全球貿(mào)易政策影響，截面相關(guān)性顯著。此時(shí)用CADF單位根檢驗(yàn)和Westerlund協(xié)整檢驗(yàn)，結(jié)果比傳統(tǒng)方法更可信。3.4估計(jì)效率與穩(wěn)健性面板單位根檢驗(yàn)：Fisher-type和CADF在異質(zhì)、相關(guān)場(chǎng)景下更穩(wěn)健，但計(jì)算復(fù)雜度高于LLC、IPS。面板協(xié)整檢驗(yàn)：Westerlund基于ECM的方法直接利用動(dòng)態(tài)信息，比基于殘差的Pedroni更有效，尤其是在存在結(jié)構(gòu)突變時(shí)。PVECM：若協(xié)整向量估計(jì)準(zhǔn)確（如用FMOLS或DOLS），誤差修正系數(shù)的估計(jì)效率較高；若協(xié)整向量有偏，會(huì)導(dǎo)致α_i估計(jì)錯(cuò)誤。動(dòng)態(tài)GMM：系統(tǒng)GMM比差分GMM更有效（尤其是當(dāng)變量接近隨機(jī)游走時(shí)），但過度使用工具變量會(huì)導(dǎo)致Sargan檢驗(yàn)失效，需控制工具變量數(shù)量（通常不超過N）。我在對(duì)比FMOLS和普通OLS估計(jì)協(xié)整向量時(shí)發(fā)現(xiàn)，F(xiàn)MOLS通過修正內(nèi)生性和序列相關(guān)，估計(jì)值的標(biāo)準(zhǔn)誤更小，更接近真實(shí)值。這說明在協(xié)整分析中，選擇合適的估計(jì)方法（如FMOLS、DOLS）對(duì)后續(xù)PVECM的穩(wěn)健性至關(guān)重要。3.5研究問題的匹配性若研究目標(biāo)是“判斷數(shù)據(jù)是否非平穩(wěn)”，優(yōu)先做面板單位根檢驗(yàn)（如CADF）；若要“識(shí)別變量間長(zhǎng)期均衡關(guān)系”，選擇面板協(xié)整檢驗(yàn)（如Westerlund）；若需“分析短期調(diào)整機(jī)制”，構(gòu)建PVECM；若關(guān)注“動(dòng)態(tài)因果關(guān)系（如滯后效應(yīng)）”，使用動(dòng)態(tài)GMM。例如，研究“數(shù)字金融發(fā)展對(duì)城鄉(xiāng)收入差距的影響”：首先檢驗(yàn)數(shù)字金融指數(shù)和收入差距是否非平穩(wěn)（CADF檢驗(yàn)）；若均為I(1)，檢驗(yàn)是否存在協(xié)整（Westerlund檢驗(yàn)）；若存在，用PVECM分析長(zhǎng)期均衡（協(xié)整向量）和短期調(diào)整（誤差修正系數(shù)）；若還需考慮滯后影響（如前一期數(shù)字金融發(fā)展對(duì)當(dāng)期差距的影響），則加入動(dòng)態(tài)GMM模型。四、實(shí)踐中的選擇策略與常見誤區(qū)方法選擇沒有“最優(yōu)解”，只有“最適配”。結(jié)合多年實(shí)證經(jīng)驗(yàn)，我總結(jié)了一套“四步走”策略，并梳理了實(shí)踐中常見的誤區(qū)，希望能為讀者提供參考。4.1四步走選擇策略第一步：數(shù)據(jù)診斷。先做描述性統(tǒng)計(jì)（均值、方差、趨勢(shì)圖），觀察是否存在明顯趨勢(shì)或波動(dòng)聚集；再做分個(gè)體的單位根檢驗(yàn)（如ADF），初步判斷非平穩(wěn)性是否普遍；最后檢驗(yàn)截面相關(guān)性（如PesaranCD檢驗(yàn)），確定是否需要調(diào)整。第二步：?jiǎn)挝桓鶛z驗(yàn)。根據(jù)數(shù)據(jù)特征（N、T、截面相關(guān)性）選擇方法：短面板且截面相關(guān)選CADF，長(zhǎng)面板且異質(zhì)選IPS或Fisher-type；若截面獨(dú)立，LLC（同質(zhì)性）或IPS（異質(zhì)性）均可。第三步：協(xié)整檢驗(yàn)。若變量均為I(1)，進(jìn)一步檢驗(yàn)協(xié)整：存在截面相關(guān)選Westerlund，異質(zhì)性強(qiáng)選Pedroni，同質(zhì)性假設(shè)合理選Kao。第四步：模型構(gòu)建。若存在協(xié)整，用PVECM分析長(zhǎng)期與短期關(guān)系；若關(guān)注動(dòng)態(tài)因果（含滯后項(xiàng)），用系統(tǒng)GMM（控制內(nèi)生性）；若數(shù)據(jù)包含多個(gè)協(xié)整關(guān)系，考慮面板VECM（需更高維的估計(jì)技術(shù)）。4.2常見誤區(qū)與避坑指南誤區(qū)1：忽視截面相關(guān)性。曾見過有人直接用LLC檢驗(yàn)分析省際數(shù)據(jù)，結(jié)果錯(cuò)誤拒絕單位根原假設(shè)。解決辦法：先做截面相關(guān)檢驗(yàn)（如PesaranCD），若相關(guān)（CD統(tǒng)計(jì)量顯著），必須用CADF或Bootstrap調(diào)整的方法。誤區(qū)2：盲目選擇“高級(jí)”方法。有人認(rèn)為Westerlund協(xié)整檢驗(yàn)比Pedroni“更先進(jìn)”，但Westerlund要求模型包含外生變量，若變量都是內(nèi)生的（如VAR系統(tǒng)），Pedroni更合適。方法選擇需與模型設(shè)定匹配。誤區(qū)3：忽略異質(zhì)性。用Kao檢驗(yàn)時(shí)假設(shè)所有個(gè)體協(xié)整向量相同，但實(shí)際中企業(yè)的技術(shù)水平、地區(qū)的資源稟賦不同，協(xié)整向量可能異質(zhì)。此時(shí)應(yīng)選Pedroni或Westerlund，允許異質(zhì)性。誤區(qū)4：過度依賴統(tǒng)計(jì)顯著性。曾有學(xué)