溫馨提示：需求數量不同，價格不同。請聯系我們，確認當前新的報價！
CATS（時間序列的協整分析）是哥本哈根大學的Jonathan G.Dennis，Katarina Juselius，S?renJohansen和Henril Hansen編寫的一組協整分析程序，可與RATS軟件配合使用。
CATS提供了各種各樣的工具來分析數據以及選擇和測試協整模型。該程序幾乎完全由菜單和對話框驅動。首先，運行一個簡短的RATS程序來定義數據并加載CATS過程。這會將多個CATS菜單添加到RATS菜單欄，然后您可以通過從這些菜單中選擇操作來執行分析。CATS將提示您任何需要的輸入。
2.0版本是CATS的重大更新，引入了重要的新計量經濟學功能，重新設計和擴展以及新的用戶界面。
請注意，您必須擁有RATS軟件才能使用CATS。CATS 2.0將與6.2版或更高版本的RATS一起使用。
新版本2.0.
功能簡介：
搭配 CATS (Cointegration Analysis of Time Series) 軟件，可通過一連串的對話方塊，進行學術界、業界先進復雜的共整合分析 (由Henrik Hansen 和 Katarina Juselius教授所設計)，甚至可進行I(2)模型分析。
可進行向量與矩陣運算。并提供軟件語言，使用者可以自訂符合自己需求的運算程序。
支援完整的計量模型，包括ordinary、weighted和generalized least squares (GLS)，seemingly unrelated regressions (SUR)，非線性回歸，vector autoregressions (VARs)，ARIMA，GMM，2SLS，3SLS，ARCH和GARCH等。
可直接取用Haver Analytics DLX數據庫，并可以處理所有資料，包括panel data。
包含interactive mode和batch mode兩種執行模式。
可繪制輸出專業的高品質時間序列散布圖。
新的互動程序語言甚至可以自訂功能表和對話方塊。
計量經濟學的新功能
Bartlett對樣本的協整等級和假設進行檢驗的小樣本校正
新的“CATSmining”自動模型選擇過程
I（2）模型的估計和假設檢驗，包括關于系統變量之間的多重協整關系和I（1）關系的假設檢驗
結構移動平均線模型的估計
系統縮減測試，用于確定延遲長度
數據中缺少觀察值
更新的遞歸估計例程包括特征值波動，協整空間的恒定性和對數似然函數的新測試
允許向后遞歸，以調查樣本開始時的參數穩定性
對于大多數模型規格，CATS現在可以為等級測試報告正確的臨界值和P值。對于其他模型，您可以使用內置過程來模擬臨界值。
包括估算和識別結構移動平均模型的過程
新界面功能
全新的用戶界面，帶有用于各種操作類別的單獨菜單，包括I（1）分析，I（2）分析，圖形和自動測試
所有模型設置，包括確定性項和滯后結構，都由菜單控制，因此您現在可以更改基礎的VAR模型，而無需推出并重新啟動CATS
可以通過“the first 選項”對話框設置所有過程設置，例如the largest迭代次數和切換算法的收斂標準，屏幕輸出格式等
現在可以將估計的模型導出為RATS“模型”，從而更輕松的計算預測和沖激響應
CATS創建的圖形可以定制
輸出可以tex或csv格式導出
限制可以保存和重新加載，從而使復制分析或以后繼續工作變得更加容易
CATS提供了在真正的批處理模式下運行的選項，該模型不需要用戶即可生成基礎輸出。這使它可以循環使用。
其他功能
“批量”測試所有模型變量的長期排除性，弱外生性和平穩性（現在可從cats菜單中獲得）。還包括對alpha中單位矢量的檢驗，該檢驗對任何變量的累積干擾是否未進入共同趨勢的檢驗。
支持部分系統，具有結構性斷裂的模型以及各種形式的虛擬變量
估計殘差的多變量和單變量檢驗
遞歸估計，用于評估估計的模型參數的恒定性，包括對估計的特征值，協整空間，對數似然函數，已識別系統的參數以及一步一步預測的充分性的恒定性進行測試。
用于測試有關Beta中的長期關系以及Aplha中的調整系數的假設的選項。
每個協整向量的歸一化選擇（CATS 2通過建議默認選擇來簡化此過程）。
估計移動平均模型的參數，例如長期影響矩陣C和共同趨勢的負荷（漸近t值）
大量的預設圖形說明了估計模型的各個關鍵方面。
CATS菜單
CATS的版本1使用單個下拉菜單，而CATS的版本2具有六個不同的菜單，從而可以訪問其更廣泛的功能和許多新功能。
為了使您更好的了解版本2中的內容，我們將逐步介紹各種菜單，從the first菜單CATS開始，如下所示：
此菜單上的大多數功能是2.0版本的新增功能，可讓您進行調整而不必推出并重新啟動CATS過程。與版本1相比，它們還使用戶可以更好的控制程序的許多方面。
例如，您可以更改模型（包括確定性變量結構，季節性的包含和滯后結構），控制樣本范圍（通過設置開始和結束日期，使用樣本“虛擬”系列或直接排除）具體觀察結果），顯示模型摘要或設置以下任意the first選項：
這是I（1）菜單
那些使用CATS 1.0的人會很熟悉這些選項。這些構成了CATS 2.0中I（1）分析功能的核心功能，其中包括確定和設置協整等級以及測試關于Pi矩陣元素結構的假設。
這是I（2）菜單
I（2）分析是CATS 2.0中的新功能。菜單操作使您可以設置模型的等級，對Tau和Beta矩陣的測試限制等。
這是圖形菜單
如您所見，“圖形”菜單提供了對多種圖形的快速訪問。除了提供比CATS 1.0中更多的圖形外，版本2還允許用戶自定義圖形的外觀?！白远x圖形”操作在默認設置和您通過“設置”操作訪問的自定義設置之間切換：
自動測試菜單
顧名思義，“自動測試”菜單提供對幾個重要測試的訪問，其中大多數CATS可以在幾乎不需要用戶輸入的情況下執行。這是菜單：
其中大多數都是不言自明的。CATS mining操作是一項主要的新功能。該名稱與“數據挖掘”一詞的名稱有所不同，表示用于分析數據的自動化例程。在這種情況下，CATS mining例程可以根據用戶指定的協整等級自動識別并限制協整空間。除了自動過程選擇的關系外，您還可以選擇提供要使用的用戶定義關系。該設置操作讓你控制CATS mining過程的許多方面。
然后，“加載模型”操作允許您將先前會話中保存的CATS模型加載到內存中（版本2中新增了保存和重新加載模型的功能）。
Misc菜單
Misc菜單（miscellaneous的縮寫）提供了十個更有用的功能：
前兩個顯示當前模型的短期和MA表示。
下一項是“結構化MA模型”，這是一個重要的新功能，使您可以定義結構模型并繪制所得的脈沖響應函數。
其他操作允許您將生成的數據保存到各種類型的文件（或在電子表格樣式的窗口中顯示數據），保存模型以供以后的會話中使用，等等。
【英文介紹】
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.
