數(shù)據(jù)非正態(tài)性的表現(xiàn)根據(jù)我個人的經(jīng)驗(yàn)和理解，數(shù)據(jù)非正態(tài)性有以下幾個原因:數(shù)據(jù)應(yīng)該不是正態(tài)的，比如在可靠性研究中，數(shù)據(jù)基本服從指數(shù)分布或者韋伯分布；在設(shè)備維修中，它也不服從正態(tài)分布；一個城市不可能正態(tài)分布；人均可支配收入也嚴(yán)重向右側(cè)分配；在客戶滿意度調(diào)查中，如果打分的話，一般會重點(diǎn)看分?jǐn)?shù)，分?jǐn)?shù)是被截?cái)嗟?，不可能大于分?jǐn)?shù)，所以不可能正常,1，原文數(shù)據(jù)no平穩(wěn)可以建立VAR模型,但是有些數(shù)據(jù)可能轉(zhuǎn)換不成功，比如數(shù)據(jù)數(shù)據(jù)分辨率很低，比如數(shù)據(jù)帶有類似客戶滿意度調(diào)查的截?cái)?，所以可以用非參?shù)檢驗(yàn)進(jìn)行分析。

數(shù)據(jù)異常是很常見的問題。很多人一旦發(fā)現(xiàn)數(shù)據(jù)異常，第一反應(yīng)往往是尋求變換，常見的就是Box-Cox變換。如果不行，直接去找非參數(shù)。我的意見是等一段時間，找出異常的原因。數(shù)據(jù)非正態(tài)性的表現(xiàn)根據(jù)我個人的經(jīng)驗(yàn)和理解，數(shù)據(jù)非正態(tài)性有以下幾個原因:數(shù)據(jù)應(yīng)該不是正態(tài)的，比如在可靠性研究中，數(shù)據(jù)基本服從指數(shù)分布或者韋伯分布；在設(shè)備維修中，它也不服從正態(tài)分布；一個城市不可能正態(tài)分布；人均可支配收入也嚴(yán)重向右側(cè)分配；在客戶滿意度調(diào)查中，如果打分的話，一般會重點(diǎn)看分?jǐn)?shù)，分?jǐn)?shù)是被截?cái)嗟?，不可能大于分?jǐn)?shù)，所以不可能正常。如果明確知道樣本數(shù)據(jù)所代表的總體不是正態(tài)分布，可以考慮求變換，通常可以找到合適的變換參數(shù)。但是有些數(shù)據(jù)可能轉(zhuǎn)換不成功，比如數(shù)據(jù) 數(shù)據(jù)分辨率很低，比如數(shù)據(jù)帶有類似客戶滿意度調(diào)查的截?cái)?，所以可以用非參?shù)檢驗(yàn)進(jìn)行分析。

1，原文數(shù)據(jù) no 平穩(wěn)可以建立VAR模型。2.我覺得來源數(shù)據(jù)是用來建立VAR模型的，因?yàn)椴铑~剔除了變量的長期經(jīng)濟(jì)信息，此時只能分析變量之間的短期因果關(guān)系。3.協(xié)整檢驗(yàn)是判斷兩個或兩個以上趨勢相同的序列之間是否存在長期均衡關(guān)系，這種檢驗(yàn)的目的是防止虛假回歸，建議進(jìn)行Jj檢驗(yàn)，但需要選擇最優(yōu)滯后期(與VAR的最優(yōu)滯后期一致)。4.如果你的三個變量確實(shí)存在協(xié)整關(guān)系，你可以建立一個VAR模型和一個誤差修正模型，可以用來預(yù)測，但是VAR模型不是平穩(wěn)，所以不能做脈沖分析和方差分解。個人觀點(diǎn)，僅供參考。