实证检验步骤：首先进行单位根检验，看变量序列是否稳定，如果稳定，则可建立回归模型等经典计量经济学模型；如果不平稳，则进行差分，直到第I次差分，如果序列平稳，则服从I次单整数(p 如果所有检验序列都遵循同阶单匹配，则可以建立VAR模型进行协整检验(注意延迟选择)，判断模型内部变量之间是否存在协整关系，即长期均衡关系。 在某些情况下，可以构建VEC模型，或者进行Granger因果检验，验证变量之间的“是谁引起了谁的变化”，即因果关系。
一.稳定性问题
1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性，直接OLS容易导致伪回归。
2、如果检验数据平稳(即不存在单位根)，为了进一步考察变量的因果关系，可以采用格兰杰因果检验，但进行格兰杰检验的前提是数据必须平稳。
3、检验数据非平稳且各序列为同一阶段的单整数(协整检验前提)，希望进一步确定变量之间是否存在协整关系时，可以进行协整检验。 协同检测主要有EG二步法和yqdl检测
a、EG二步法是基于回归残差的检验，可以通过建立OLS模型来检验残差光滑度(一般采用EG二步法)。
b、yqdl检验是基于回归系数的检验，前提是建立VAR模型(即模型符合ADL模式) )。
4、变量之间存在协调关系时，可以设立ECM进一步考察短期关系。 Eviews在这里还提供了Wald-Granger检查，但是此时的格兰杰不是因果关系检查，而是变量外生性检查，所以请注意识别
二.协调性问题
1、格兰杰检验只能用于平稳序列！ 这是格兰杰检验的前提，因果关系不是我们通常理解的原因和结果的关系，而是x的前期变化能有效解释y的变化，因此被称为“格兰杰原因”。
2、非平稳序列很可能会出现伪回归，协调的意义在于验证这些回归方程描述的因果关系是否为伪回归，即变量之间是否存在稳定关系。 因此，非平稳序列的因果关系检验是协整检验。
3、稳健性检测有3个作用：1)稳健性检测，稳健则进行格兰杰检测，不稳健则进行协同检测。 2 )协整检验中使用各序列的单整数阶。 3 )判断时间序列数据生成过程。
三.格兰杰因果问题
其实很多人误解了。 需要明确以下几点。
第一，格兰杰因果检验是对统计时间先后顺序的检验，并不表明它真的存在因果关系，是否存在因果关系需要根据理论、经验、模型来判断。
第二，格兰杰因果检验的变量应该是平稳的，如果单位根检验发现两个变量不稳定，就不能直接进行格兰杰因果检验，所以很多人对不稳定的变量进行格兰杰因果检验是错误的。
第三，合作结果只是表明变量之间存在长期的均衡关系，是先做格兰杰，还是合作？ 正因为变量不稳定才需要协调，可以先对变量进行差分，稳定后利用差分项进行格兰杰因果检验，判定变量变化的优先级，然后进行协调，看变量是否存在长期均衡。
第四，长期均衡并不意味着分析的结束，应考虑短期波动，进行误差修正检验。