给我一套真实数据可以做Johann协整检验的数据

以下是一组真实数据可以用于Johansen协整检验：

假设我们有两个变量X和Y，它们代表某公司的销售额和广告支出，数据如下：

X: 10, 20, 30, 40, 50, 60, 70, 80, 90, 100
Y: 5, 10, 15, 20, 25, 30, 35, 40, 45, 50

这里我们假设销售额和广告支出之间可能存在协整关系，即它们之间存在某种长期平衡关系。

我们可以用Python中的StatsModels库来进行Johansen协整检验。以下是一个简单的Python代码示例：

import numpy as np
from statsmodels.tsa.vector_ar.vecm import coint_johansen

# 定义数据
data = np.array([X, Y]).T

# 进行Johansen协整检验
result = coint_johansen(data, det_order=0, k=1)

# 输出结果
print(result.lr1)
print(result.cvt[0, 1])

其中，`coint_johansen`是StatsModels库中进行Johansen协整检验的函数。`det_order`参数指定协整关系中包含的常数项数量，`k`参数指定协整关系的最大阶数。`lr1`是Johansen协整检验的统计量，`cvt`是用于计算临界值的矩阵。

需要注意的是，这只是一个简单的示例，实际应用中需要根据具体情况对数据进行预处理、调整模型参数等操作。