怎麼樣用AIC和SC準則判斷滯後階數

ADF Test Statistic -0.480303     1%   Critical Value*  -4.7315      
       5%   Critical Value  -3.7611
      10% Critical Value  -3.3228
    *MacKinnon critical values for rejection of hypothesis of a unit root.            Augmented Dickey-Fuller Test Equation
    Dependent Variable: D(Y)
    Method: Least Squares
    Date: 06/19/07
    Time: 21:45
    Sample(adjusted): 1991 2005
    Included observations: 15 after adjusting endpoints
    Variable Coefficient Std. Error t-Statistic Prob.
  Y(-1) -0.090587 0.188604 -0.480303 0.6404
  D(Y(-1)) 0.915838 0.295206 3.102368 0.0101
  C -434.3619 2725.411 -0.159375 0.8763
  @TREND(1989) 1076.342 1624.113 0.662726 0.5212    
  R-squared 0.791251     Mean dependent var  11015.85
  Adjusted R-squared 0.734320     S.D. dependent var  6398.144
  S.E. of regression 3297.871     Akaike info criterion  19.26312
  Sum squared resid 1.20E+08      Schwarz criterion  19.45193
  Log likelihood -140.4734     F-statistic  13.89831
  Durbin-Watson stat 1.217269     Prob(F-statistic)  0.000464    
首先在回答你的問題前，我想說你的模型是不平穩的，有單位根！

怎麼用用AIC和SC準則判斷滯後階數？

多取幾次滯後建立模型，比如分別建立一階、二階、……模型，各模型都會有一個AIC和SC統計量，取最小的統計量所對應的階數。

只需考慮AIC和SC統計量之中的一個就可以了！通常用AIC!
Akaike info criterion  19.26312這個就是AIC的值是嗎?Schwarz criterion  19.45193這個就是SC的值是嗎?
AIC和SC準則並不是嚴格越小越好

Eviews3.1裡面是沒有自動提供推薦滯後階數，需要人工輸入；但是在Eviews6裡面確實自動提供的，但是並不是按照最小AIC或SC準則的，AIC或SC準則越小，可能要求滯後P值越大，但是P值越大，導致資料序列損失度越大，所以肯定Eviews6做了處理，就是不知道做了什麼處理。


而且我研究發現Eviews早期版本，ADF檢驗過程中AIC準則和SC準則都與Eviews6版本結果有些差距，問題出在模型形式的選擇上（3種，帶常數項、趨勢項、不帶等等），也就是AIC或者SC準則定義中引數k，代表要估計引數個數上，早期Eviews版本沒考慮這些多餘的引數，導致結果有少許差別，但不影響P的選擇。

至於Eviews6中階數是自動推薦的，但是有個Maximum選項可供輸入（程式會提供一個預設值），其中Maximum=[12*（T/100）^0.25]，在Maximum值變動以後，程式推薦的P值也會變動，但是這個P值絕對不是按照AIC或者SC準則推薦的在小於Maximum範圍內的最小值對應的P值，這裡我就一直感到困惑，希望誰能給指導一下！


我的結果在這：

Maximum=10預設，選擇帶常數項和趨勢項情況：

AIC準則下Eviews6：

Null Hypothesis: CCC has a unit root    
Exogenous: Constant, Linear Trend    
Lag Length: 5 (Automatic based on AIC, MAXLAG=10)    
    
   t-Statistic   Prob.*
   
Augmented Dickey-Fuller test statistic   -3.208100  0.0941
Test critical values: 1% level  -4.144584
 5% level  -3.498692
 10% level  -3.178578
   
*MacKinnon (1996) one-sided p-values.   
   
   
Augmented Dickey-Fuller Test Equation   
Dependent Variable: D(CCC)   
Method: Least Squares   
Date: 08/22/08   Time: 10:46   
Sample (adjusted): 7 58   
Included observations: 52 after adjustments   
   
 Coefficient Std. Error t-Statistic Prob. 
   
CCC(-1) -0.039917 0.012443 -3.208100 0.0025
D(CCC(-1)) 2.234078 0.143978 15.51677 0.0000
D(CCC(-2)) -2.163752 0.359186 -6.024037 0.0000
D(CCC(-3)) 1.220026 0.454195 2.686126 0.0102
D(CCC(-4)) -0.406455 0.359970 -1.129135 0.2650
D(CCC(-5)) 0.187012 0.161019 1.161427 0.2517
C 4.338536 1.364059 3.180607 0.0027
@TREND(1) -0.001814 0.001293 -1.402702 0.1677
   
R-squared 0.976187     Mean dependent var  0.005962
Adjusted R-squared 0.972398     S.D. dependent var  0.512216
S.E. of regression 0.085098     Akaike info criterion  -1.949385
Sum squared resid 0.318635     Schwarz criterion  -1.649193
Log likelihood 58.68401     Hannan-Quinn criter.  -1.834299
F-statistic 257.6749     Durbin-Watson stat  1.735674
Prob(F-statistic) 0.000000  
   
SC準則，Evews6：

Null Hypothesis: CCC has a unit root   
Exogenous: Constant, Linear Trend   
Lag Length: 3 (Automatic based on SIC, MAXLAG=10)   
   
   t-Statistic   Prob.*
   
Augmented Dickey-Fuller test statistic   -4.135397  0.0101
Test critical values: 1% level  -4.137279
 5% level  -3.495295
 10% level  -3.176618
   
*MacKinnon (1996) one-sided p-values.