CATS（功夫序列的协整分析）是哥本哈根大学的Jonathan G.Dennis，Katarina Juselius，S?renJohansen和Henril Hansen编写的一组协整分析法式，可与RATS软件共同使用。

?

CATS提供了各样的工具来分析数据以及选择和测试协整模型。该法式险些由菜单和对话框驱动。运行简短的RATS法式来界说数据并加载CATS过程。这会将多个CATS菜单增长到RATS菜单栏，而后您能够通过从这些菜单当选择操作来执行分析。CATS将提醒您必要的输入。

?

2.0版本是CATS的沉大更新，引入了新计量经济学职能，沉新设计和扩大以及新的用户界面。

?

请把稳，您占有RATS软件能力使用CATS。CATS 2.0将与6.2版的RATS一路使用。

新版本2.0.
?
职能简介：

?

• 搭配 CATS (Cointegration Analysis of Time Series) 软件，可通过一连串的对话方块，进行学术界、业界复杂的共整合分析 (由Henrik Hansen 和 Katarina Juselius教授所设计)，可进行I(2)模型分析。

• 可进行向量与矩阵运算。并提供软件说话，使用者能够自订切合自己需要的运算法式。

• 增援的计量模型，ordinary、weighted和generalized least squares (GLS)，seemingly unrelated regressions (SUR)，非线性回归，vector autoregressions (VARs)，ARIMA，GMM，2SLS，3SLS，ARCH和GARCH等。

• 可直接取用Haver Analytics DLX数据库，并能够处置资料，panel data。

• interactive mode和batch mode两种执行模式。

• 可绘造输出高品质功夫序列散布图。

• 新的互动法式说话能够自订职能表和对话方块。

?

计量经济学的新职能

• Bartlett对样本的协整和如果进行检验的幼样本校对

• 新的“CATSmining”自动模型选择过程

• I（2）模型的估计和如果检验，关于系统变量之间的多沉协整关系和I（1）关系的如果检验

• 结构移动均匀线模型的估计

• 系统缩减测试，用于确定延长长度

• 数据中短缺观察值

• 更新的递归估计例程值颠簸，协整空间的恒定性和对数似然函数的新测试

• 允许向后递归，以调查样本起头时的参数

• 对于大无数模型规格，CATS此刻可以为测试汇报正确的临界值和P值。对于模型，您能够使用内置过程来仿照临界值。

• 估算和鉴别结构移动均匀模型的过程

?

新界面职能

• 用户界面，带有效于操作类此外单独菜单，I（1）分析，I（2）分析，图形和自动测试

• 模型设置，确定性项和滞后结构，都由菜单节造，因而您此刻能够更改基础的VAR模型，而推出并沉新启动CATS

• 能够通过“选项”对话框设置过程设置，例如迭代次数和切换算法的收敛尺度，屏幕输出体式等

• 此刻能够将估计的模型导出为RATS“模型”，从而更的推算预测和冲激响应

• CATS创建的图形能够定造

• 输出能够tex或csv体式导出

• 限度能够保留和沉新加载，从而使复造分析或以来持续工作变得

• CATS提供了在真正的批处置模式下运行的选项，该模型要用户即可天生基础输出。这使它能够循环使用。

?

职能

• “批量”测试模型变量的持久排除性，弱表生性和安稳性（此刻可从cats菜单中获得）
  ；苟詀lpha中单元矢量的检验，该检验对变量的累积滋扰是否未进入共同趋向的检验。

• 部门系统，拥有结构性断裂的模型以及大局的虚构变量

• 估计残差的多变量和单变量检验

• 递归估计，用于评估估计的模型参数的恒定性，对估计的值，协整空间，对数似然函数，已鉴别系统的参数以及一步一步预测的充分性的恒定性进行测试。

• 用于测试有关Beta中的持久关系以及Aplha中的调整系数的如果的选项。

• 协整向量的归一化选择（CATS 2通过建议默认选择来简化此过程）。

• 估计移动均匀模型的参数，例如持久影响矩阵C和共同趋向的负荷（渐近t值）

• 大量的预设图形说了然估计模型的关键方面。

?

CATS菜单

CATS的版本1使用单个下拉菜单，而CATS的版本2拥有六个分歧的菜单，从而能够接见其更宽泛的职能和新职能。

为了使您更好的相识版本2中的内容，我们将逐步介绍菜单，从菜单CATS起头，如下所示：

?

?

此菜单上的大无数职能是2.0版本的新增职能，可让您进行调整而推出并沉新启动CATS过程。与版本1相比，它们还使用户能够更好的节造法式的方面。

?

例如，您能够更改模型（确定性变量结构，季节性的和滞后结构），节造样技巧域（通过设置起头和实现日期，使用样本“虚构”系列或直接排除）具体观察了局），显示模型提要或设置以下肆意选项：

?

?

这是I（1）菜单

?

?

那些使用CATS 1.0的人会很熟悉这些选项。这些组成了CATS 2.0中I（1）分析职能的主题职能，其中确定和设置协整以及测试关于Pi矩阵元素结构的如果。

?

这是I（2）菜单

?

?

I（2）分析是CATS 2.0中的新职能。菜单操作使您能够设置模型的，对Tau和Beta矩阵的测试限度等。

?

这是图形菜单

?

?

如您所见，“图形”菜单提供了对多种图形的接见。除了提供比CATS 1.0中更多的图形表，版本2还允许用户自界说图形的表观。“自界说图形”操作在默认设置和您通过“设置”操作接见的自界说设置之间切换：

?

?

自动测试菜单

顾名思义，“自动测试”菜单提供对几个测试的接见，其中大无数CATS能够在险些要用户输入的情况下执行。这是菜单：

?

?

其中大无数都是不言自明的。CATS mining操作是一项重要的新职能。该名称与“数据挖掘”一词的名称有所分歧，暗示用于分析数据的自动化例程。在这种情况下，CATS mining例程能够凭据用户指定的协整自动鉴别并限度协整空间。除了自动过程选择的关系表，您还能够选择提供要使用的用户界说关系。该设置操作让你节造CATS mining过程的方面。

?

而后，“加载模型”操作允许您将先前会话中保留的CATS模型加载到内存中（版本2中新增了保留和沉新加载模型的职能）。

?

Misc菜单

Misc菜单（miscellaneous的缩写）提供了十个更有效的职能：

?

前两个显示当前模型的短期和MA暗示。

?

下一项是“结构化MA模型”，这是新职能，使您能够界说结构模型并绘造所得的脉冲响应函数。

操作允许您将天生的数据保留到类型的文件（或在电子表格形状的窗口中显示数据），保留模型以供以来的会话中使用，等等。

?

CATS: Version 2.0!
Version 2.0 is a major update to CATS that introduces significant new econometrics capabilities, a re-designed and expanded user interface, and a new, significantly expandedUser's Manual.
New Econometrics Features
Bartlett small-sample correction of the tests for the cointegrating rank and hypotheses on Beta.
A new “CATSmining” automated model-selection procedure.
Estimation and hypothesis testing of the I(2) model, including testing hypotheses on the multi-cointegrating relations and the I(1) relations among the system variables
Estimation of structural moving average models.
System reduction tests for lag length determination.
Missing observations in data allowed.
Updated recursive estimation routine includes new tests for eigenvalue fluctuation, constancy of the cointegrating space and the log-likelihood function.
Allows for “backwards” recursion for investigating parameter constancy over the beginning of the sample.
For most model specifications, CATS now reports the correct critical values and p-values for the rank test. For other models, you can simulate the critical values using a built-in procedure.
Includes a procedure for estimation and identification of structural moving average models.
New Interface Features
All-new user interface, with separate menus for various categories of operations, including I(1) analysis, I(2) analysis, graphics, and automated tests.
All model settings, including the deterministic terms and lag structure, are menu-controlled, so you can now change the underlying VAR model without quitting and re-starting CATS.
All procedure settings, such as maximum number of iterations and convergence criteria for the switching algorithms, screen output format, and more, can be set via a "Preferences" dialog box.
The estimated model can now be exported as a RATS “MODEL” making it much easier to compute forecasts and impulse responses.
The graphs created by CATS can be customized.
Output can be exported in tex or csv formats.
Restrictions can be saved and re-loaded, making it easier to replicate analyses or continue your work at a later time.
CATS offers the option of running in a true batch mode that does not require user interaction to generate basic output. This allows it to be used in loop.
Other Features
These features carry over from Version 1.0:
Batch” tests for long-run exclusion, weak exogeneity, and stationarity on all model variables (now available from the cats menu). Also includes a test for unit vectors in alpha, which corresponds to testing if the cumulated disturbances of any of the variables do not enter the common trends.
Support for partial systems, models with structural breaks, and various forms of dummy variables.
Multivariate and univariate tests of the estimated residuals.
Recursive estimation for assessing constancy of the estimated model parameters, including tests for constancy of the estimated eigenvalues, the cointegrating space, the log-likelihood function, the parameters of an identified system, and the adequacy of one-step-ahead predictions.
Options for testing hypothesis on the long-run relations in Beta as well as on the adjustment coefficients in Alpha.
Choice of normalization for each cointegrating vector (CATS 2 simplifies this by suggesting default choices).
Estimation of the parameters of the moving average model, e.g. the long-run impact matrix C and the loadings to the common trends (with asymptotic t-values).
A large variety of preset graphics illustrating various key aspects of the estimated model.