解释协整测试结果的麻烦

Question

我正在努力测试2个时间序列的协整性（或者更恰当地解释测试结果）。>>

所以我得到了两个时间序列x和y，每个序列包含36个每月数据点。

通过查看这些时间序列，我想说它们是协整的

。

但是，当应用不同的协整检验时，它们似乎不是：

[1）增强迪基-富勒

 from statsmodels.tsa.stattools import adfuller
 from statsmodels.api import OLS

 ols_result = OLS(y, x).fit()
 result = adfuller(ols_result.resid)
返回

 (0.6614451366946532,
 0.9890361840444819,
 10,
 25,
 {'1%': -3.7238633119999998, '5%': -2.98648896, '10%': -2.6328004},
 84.12263429255607)
即p值0.98

；原假设不能被拒绝，时间序列不能被协整。

2）Engle-Granger

 coint_t, p_value, _ = coint(y, x)
 p_value
 0.06910078732250052
返回p值0.069

，即未协整。

我在这里做错了什么？

提前感谢！

PS：两个时间序列之间似乎存在格兰杰因果关系（使用statsmodels.tsa.stattools.grangercausalitytests测试）

我正在努力测试2个时间序列的协整性（或者更恰当地解释测试结果）。所以我得到了两个时间序列x和y，每个序列包含36个每月数据点。从看...

Answer 1

可能是您的数据集不够大的情况。另一方面，通过仅查看p值得出结论不是一个好主意