在理解协整检验之前呢，需要理解一个概念“伪回归”！
什么是伪回归？
就是说，在经典的线性回归模型下，比如多元回归模型中，为了使得统计结果具有无偏性和一致性（也就是说随着样本的无线增大，估计值与真实值无限接近），是要对模型提出多个要求，除了要求随机扰动项独立一致性分布外，还要要求因变量和自变量为平稳的时间序列。
而在现实中，大部分时间序列均为非平稳的，这就使得建立在非平稳序列基础上的协整以及与之相伴的误差修正模型得到日益广泛的应用。
对于几个非平稳的时间序列，如果由他们组成的线性组合变量，是平稳的序列，就可以认定这几个变量存在协整关系，经济意义可以解释为这几个变量间具有长期均衡关系，啥叫长期均衡关系，比如收入与消费之间，收入越高，消费就越高，这看上去两者存在长期的关系。
协整检验常用的方法是Engle-Granger两步法和Johansen协整检验
Engle-Granger两步法步骤：
（1）首先对变量进行平稳性检验。注意：变量必须是相同阶数的单整过程才可以，比如说其中一个变量差分一次就平稳，即为一阶单整，其他变量也要求应该是一阶单整
（2）构建经典的线性回归模型
（3）对残差的平稳性进行检验。
（4）构建误差修正模型
（5）在协整检验和误差修正之后，需要运用相关的诊断检验进一步验证误差修正模型是否完备，比如说各个滞后项的滞后期数是否合理，并给出合理的解释。
至此，一个完整的协整分析就做完了，但是需要注意的是，这种方法只适合饮用在两个变量的时候，如果变量多了，就要使用Johansen协整检验。
注意：在Johansen协整检验中，N个变量最多只有N-1个协整关系，为什么？记住吧！估计推导出来，你都睡着了。
Johansen协整检验步骤：
（1）确定协整向量的个数（准确来讲，就是确定这N个变量组成的N*N维矩阵的秩）
（2）构建VAR模型，Johansen协整检验是建立在非平稳序列下构建VAR模型基础上的
（3）看迹（trace）统计量，（它的检验是一个联合显著性检验，靠谱）
（4）构建向量误差修正模型（VECM） 注意：变量间协整方程要在向量误差修正模型构建完之后才能获得。
（5）诊断检验与结果分析
下一次说什么是误差修正模型（ECM）和向量误差修正模型（VECM），在说完整体协整分析
的相关理论知识之后，我回专门更新一篇文章说明如何使用计量软件进行操作，包括平稳序列
单位根检验、Engle-Granger两步法、Johansen协整检验法、以及误差修正和向量误差修正
模型的构建。