EPS数据平台云分析模块于2019年8-9月间进行了重大优化，新增加了一些经济计量模型，分别为： 单位根检验； 格兰杰因果检验； VAR模型； Johansen检验； EG协整检验； GARCH模型。改版后的EPS数据平台云分析模块于2019年9月4日正式上线。

本次上新的模型都是计量经济学中研究时间序列数据常用的一些经典模型，大家可以使用这些模型对自己感兴趣的案例使用我们平台提供的数据进行建模分析，用这些数据和建模结果来丰富并论证自己的研究结果。虽然这些模型更多的应用在经济学领域，但是其他领域的学者也是可以如果需要使用我们平台的数据做研究，也可以尝试着使用我们平台提供的这些模型建模分析，因为我们的模型在线使用，无需下载，简单易学，使用方便。

下面简单介绍我们平台的这些功能:

 一：单位根检验

单位根检验：序列是否平稳是建立时间序列模型的前提，因此我们提供了单位根检验，用来检验序列是否平稳。在众多的单位根检验方法中，我们这里提供了经典的，常用的，可以满足大部分用户需求的三种方法，分别是ADF检验，PP检验，KPSS检验。

二：格兰杰因果检验

格兰杰因果检验：先有鸡还是先有蛋呢？这是一个流传许久的问题。1988年有两位学者Walter N. Thurman 和Mark E. Fisher 用美国1930-1983年鸡蛋产量和鸡的产量的年度数据，对此问题进行了统计研究。他们就是运用格兰杰的方法检验鸡和蛋之间的因果关系，结果发现，鸡生蛋的假设被拒绝，而蛋生鸡的假设成立，因此，蛋为因，鸡为果，也就是先有蛋。怎么样，是不是很有趣，大家快来试试，看看这个模型还可以解决什么有趣问题呢。

三：VAR模型

 VAR模型：这里的VAR模型全称为向量自回归模型，该模型是一种常用的计量经济模型，伴随着经济的发展，已经建立的时间序列模型不足以解决一些新出现的经济现象，由于一些数据的复杂程度越来越高，经济学家也需要更加复杂的模型和人们对于解决时间序列问题产生更多的需求，因此，VAR模型就应运而生。目前，VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一，并且在一定的条件下，多元MA和ARMA模型也可转化成VAR模型，因此近年来VAR模型受到越来越多的经济工作者的重视。你是不是其中一员呢？

四：协整检验

协整检验：如果你建立的模型出现了伪回归怎么办？这里提供的协整检验就是检验我们建立的回归方程所描述的因果关系是否是伪回归，也就是检验变数之间是否存在稳定的关系。在云分析中，有两种协整检验方法：Engel-Granger 两步协整检验法和 Johansen 协整检验法。它们二者的区别在于 Engler-Granger 采用的是一元方程技术，而 Johansen 则是多元方程技术，所以Johansen 协整检验法受限更小。当然，大家可以根据自己的数据需求选择适合的协整检验方法。

五：Engler-Granger检验

EG检验：从协整的角度来看，因变量能被自变量的线性组合所解释，说明二者之间具有稳定的均衡关系；因变量不能被自变量解释的部分就构成了一个残差序列，这个残差序列不应该是序列相关的，也就是说残差应该是平稳的。所以EG检验一组变量是否具有协整关系也就是检验残差序列是否是平稳的。

六：GARCH模型

GARCH模型：ARCH模型全称“自回归条件异方差模型”，解决了传统的计量经济学对时间序列变量的第二个假设（方差恒定）所引起的问题。随着不同的问题的产生，有一系列GARCH族模型产生，我们平台提供了6个GARCH模型供大家使用，这6个模型可以解决大部分用户的数据需求，大家可以根据自己数据的需求选择适合自己的模型。

以上就是我们平台的上新模型，是不是很棒呢？快用它来解决困扰你的数据建模问题吧。