协整检验的ADF临界值比正常的ADF临界值要小?

卡方检验临界值表

自由度 显著性水平（a ）

0.50 0.25 0.10 0.05 0.03 0.01 1 0.455 1.323 2.706 3.841 5.024 6.635 2 1.386 2.773 4.605 5.991 7.378 9.210 3 2.366 4.108 6.251 7.815 9.348 11.345 4 3.357 5.385 7.779 9.488 11.143 13.277 5 4.351 6.626 9.236 11.070 12.833 15.086 6 5.348 7.841 10.645 12.592 14.449 16.812 7 6.346 9.037 12.017 14.067 16.013 18.475 8 7.344 10.219 13.362 15.507 17.535 20.090 9 8.343 11.389 14.684 16.919 19.023 21.666 10 9.342 12.549 15.987 18.307 20.483 23.209 11 10.341 13.701 17.275

卡方检验临界值表

自由度 显著性水平（a ）

0.50 0.25 0.10 0.05 0.03 0.01 1 0.455 1.323 2.706 3.841 5.024 6.635 2 1.386 2.773 4.605 5.991 7.378 9.210 3 2.366 4.108 6.251 7.815 9.348 11.345 4 3.357 5.385 7.779 9.488 11.143 13.277 5 4.351 6.626 9.236 11.070 12.833 15.086 6 5.348 7.841 10.645 12.592 14.449 16.812 7 6.346 9.037 12.017 14.067 16.013 18.475 8 7.344 10.219 13.362 15.507 17.535 20.090 9 8.343 11.389 14.684 16.919 19.023 21.666 10 9.342 12.549 15.987 18.307 20.483 23.209 11 10.341 13.701 17.275

F检验临界值表（α=0.1(b)）

自由度(df)n-m-11234567891011121314151617181920212223242526272829303132333435363738394041

11

12

13

自变量数目（m） 显著性水平：α=0.114

15

16

17

18

19

20

60.4739.4015.2223.9073.2822.9202.6842.5192.3962.3022.2272.1662.1162.0732.0372.0051.9781.9541.9321.9131.8961.8801.8661.8531.8411.8301.8201.8111.8021.7941.7871.7801.7731.7671.7611.7561.7511.7461.7411.7371.73360.7059.4085.2163.8963.2682.9052.6682.5022.3792.2842.2092.1472.0972.0542.0171.9851.9581.9331.9121.8921.8751.8591.8451.8321.8201.8091.7991.7901.7

.....

Response Surface Study, MacKinnon 1991

Dickey-Fuller unit-root critical values

cα=β0+β1T 1+β2T 2

No constant or trend

2.5658 1.96 10.04

Constant but no trend 1%

5.999 29.25

Constant and trend 1% 5% 10%

8.353 47.44

4.039 17.83

2.418 7.58

5% 10%5%

2.738 8.36

10%

1.438 4.48

β0

β1 β2

T 25 50 75 100 200 ∞

1.9393 1.6156 3.4335 2.8621 2.5671 3.9638 3.4126 3.1279 0.398

0.1810 0

2.66 2.61 2.59 2.59 2.58 2.57

1.96 1.95 1.94 1.94 1.94 1.94

1.62 1.62 1.62 1.62 1.62 1.62

3.72 3.57 3.52 3.50 3.46 3.43

2.98 2.92 2.90 2.89 2.88

百度文库 - 让每个人平等地提升自我

1 特征根 迹统计量 （P 值） 5%临界值 λ_max 统计量

（P 值）

5%临界值 原假设 0.786230 43.63(0.02) 40.17 23.14(0.06)

24.16 0个协整向量 0.659057 20.49(0.14) 24.28 16.14(0.09)

17.8 至少1个协整向量 0.249925 4.35(0.66) 12.32 4.31(0.58)

11.22 至少2个协整向量 0.002389 0.0023(0.88) 4.13 0.036(0.88)

4.13 至少3个协整向量

正确的计算以1978年为100的定基指数的方法为： 如果有以上一年为100的GDP 指数，如何计算以某固定年份为100的GDP 指数？ 以北京1978年为100的定基指数计算为例：

第一步：（1）将1978年的GDP 指数定义为100，这样，1978年定基指数（1978=100）=100.

第二步：（2）那么1979年的定基（1978=100）就等于当年的同比指数，即

1979年GDP 定基指数（1978=100）=1979年GDP 指数（以上一年为100） 第三步（最关键）：1980年GDP 指数

第41卷第3期2010年5月　

锅　炉　技　术

BOILER　TECHNOLOGY

Vol.41,No.3May.,2010

　　文章编号:　CN3121508(2010)0520011205

基于中间点焓值校正的超临界机组给水全程控制

王玉清,董传敏,郑亚光,张海萍,苗广祥

(保定电力职业技术学院,河北保定071051)

关键词:　直流锅炉;干态模式;湿态模式;焓值;燃水比

摘　要:　由于超临界直流锅炉对象特性复杂、控制回路间相互耦合,导致实现给水全程控制难度较大。把机组整个给水过程分为干态模式和湿态模式给水2个阶段,分别采用相应的控制方案。干态模式用分离器出口焓值校正给水流量指令;湿态模式用最小流量来维持给水流量。同时,合理采用了前馈、变参数、变结构以及解耦等控制技术,来改善调节品质。通过现场调试和实际运行表明,焓值能很好地反映燃水比的变化,用焓值校正给水流量对维持过热汽温非常效果比较好。中图分类号:　TK323　　　　　文献标识码:　A

0　前　言

　　超临界机组以其效率高、展的主力机组,没有汽包,,经过省煤器、水冷壁、过热器等受热面一次性地将给水全部变为过热蒸汽,其循环倍率为1。它不像汽包炉那样,由于汽包的存在解除了蒸汽管路与水管路及给水泵间的耦合,给水控

四．协整检验的相关应用

一．基本思想及注意要点、适用条件

1．基本思想

尽管一些变量是非平稳的而且是同阶单整的（比如，同为I（1）与I（2）），但有时如果我们对它们之间的关系进行长期观察，会发现它们之间是存在着某种内在的联系的，即它们之间从长期看存在着稳定的均衡关系。比如，两个醉汉，同时从某一个平行的地点出发，尽管如果你单独观察某一个醉汉，会发现它们的走路并无明显的规律可循，而且，随着时间的延长，有偏离其走路均值的幅度越来越大的特点（非平稳），但如果你事前在他们腰间拴一条绳子，而且他们波动的趋势恰好相反，那么，你会发现，从长期来看，他们所走过路，是相对具有某种稳定的关系的，我们通常称这种观察到的现象为所谓的协整关系。也可想一下“一条绳子上拴两个蚂蚱”。

2．注意要点

（1）协整一定是针对于同阶单整的，即两个或多个变量之间一定是同样一个I（n）过程，即大家都必须是经相同阶的差分后才会平稳。

直观的，如果将平稳时间序列数据看作是“正常人”，非平稳时间序列数据看作是“醉汉”，那么，只有“醉汉”之间才可能存在协整关系，而且只有“醉”的程度是一样的，才可能存在协整关系。故要利用协整技术，前提条件就是先判断，你的变量序列是不是“醉汉”。拴一条绳子在两个“

四．协整检验的相关应用

一．基本思想及注意要点、适用条件

1．基本思想

尽管一些变量是非平稳的而且是同阶单整的（比如，同为I（1）与I（2）），但有时如果我们对它们之间的关系进行长期观察，会发现它们之间是存在着某种内在的联系的，即它们之间从长期看存在着稳定的均衡关系。比如，两个醉汉，同时从某一个平行的地点出发，尽管如果你单独观察某一个醉汉，会发现它们的走路并无明显的规律可循，而且，随着时间的延长，有偏离其走路均值的幅度越来越大的特点（非平稳），但如果你事前在他们腰间拴一条绳子，而且他们波动的趋势恰好相反，那么，你会发现，从长期来看，他们所走过路，是相对具有某种稳定的关系的，我们通常称这种观察到的现象为所谓的协整关系。也可想一下“一条绳子上拴两个蚂蚱”。

2．注意要点

（1）协整一定是针对于同阶单整的，即两个或多个变量之间一定是同样一个I（n）过程，即大家都必须是经相同阶的差分后才会平稳。

直观的，如果将平稳时间序列数据看作是“正常人”，非平稳时间序列数据看作是“醉汉”，那么，只有“醉汉”之间才可能存在协整关系，而且只有“醉”的程度是一样的，才可能存在协整关系。故要利用协整技术，前提条件就是先判断，你的变量序列是不是“醉汉”。拴一条绳子在两个“

ADF检验 ：

单位根检验，把数据输入Eviews之后，点击左上角的View--Unit Root Test,（但

好像更好用一些），

之后可以选择一阶、二阶差分之后的 序列是否存在单位根，同时可以选检验的方程中是否存在存在趋势项、常数项等。

一般进行ADF检验要分3步：

1 对原始时间序列进行检验，此时第二项选level，第三项选None.如果没通过检验，说明原始时间序列不平稳；

2 对原始时间序列进行一阶差分后再检验，即第二项选1st difference，第三项选intercept,若仍然未通过检验，则需要进行二次差分变换； 3 二次差分序列的检验，即第二项选择2nd difference ，第四项选择Trend and intercept.一般到此时间序列就平稳了！

看结果：

1%，5%，10%指的是显著水平，如果ADF检验值（t值）大于某显著水平值（一般是5%），则不通过检验，即存在单位根（不平稳），此时，可通过一阶差分再来查看单位根是否平稳，p值指的是接受原假设的概率。

在报告上的写法： H0：r=0 H1: r=1

如果ADF检验值>临界值，则接受H0，序列有单位根，非平缓。反之……

（注：H0的写法，选中要设置为下标

四．协整检验的相关应用

一．基本思想及注意要点、适用条件

1．基本思想

尽管一些变量是非平稳的而且是同阶单整的（比如，同为I（1）与I（2）），但有时如果我们对它们之间的关系进行长期观察，会发现它们之间是存在着某种内在的联系的，即它们之间从长期看存在着稳定的均衡关系。比如，两个醉汉，同时从某一个平行的地点出发，尽管如果你单独观察某一个醉汉，会发现它们的走路并无明显的规律可循，而且，随着时间的延长，有偏离其走路均值的幅度越来越大的特点（非平稳），但如果你事前在他们腰间拴一条绳子，而且他们波动的趋势恰好相反，那么，你会发现，从长期来看，他们所走过路，是相对具有某种稳定的关系的，我们通常称这种观察到的现象为所谓的协整关系。也可想一下“一条绳子上拴两个蚂蚱”。

2．注意要点

（1）协整一定是针对于同阶单整的，即两个或多个变量之间一定是同样一个I（n）过程，即大家都必须是经相同阶的差分后才会平稳。

直观的，如果将平稳时间序列数据看作是“正常人”，非平稳时间序列数据看作是“醉汉”，那么，只有“醉汉”之间才可能存在协整关系，而且只有“醉”的程度是一样的，才可能存在协整关系。故要利用协整技术，前提条件就是先判断，你的变量序列是不是“醉汉”。拴一条绳子在两个“