Stata专题)b.ppt

《Stata专题)b.ppt》由会员分享，可在线阅读，更多相关《Stata专题)b.ppt（38页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、Stata专题第一讲：认识stata第二讲：数据管理第三讲：命令语句第四讲：基础绘图第五讲：简单回归分析补充&延伸：异方差、时间序列等李红、李阳,2012秋季S7.时间序列平稳时间序列模型时间序列协整分析 李红、李阳,2012秋季S7a.平稳时间序列模型 自相关（命令语句：ac）与偏相关（pac）自回归移动平均模型（ARMA,命令语句：arima）向量自回归（VAR）模型：STATA中，与VAR相关的命令包括：varsoc，var，varwle，varlmar，varnorm，varstable，vargranger，irf，fcast 李红、李阳,2012秋季S7b.时间序列协整分析 单位根

2、检验（ADF）向量误差修正表示法（VECM）模型的估计与检验总体步骤：检验序列的平稳性（命令语句：dfuller）检验滞后阶数（varsoc）检验协整关系的个数（vecrank）建立 VECM(向量误差修正模型,vec）冲击反应分析（脉冲响应分析,irf create）李红、李阳,2012秋季(一)基本时间序列模型的估计在许多情况下，人们用时间序列的观测时期代表的时间作为模型的解释变量，用来表示被解释变量随时间的自发变化趋势。这种变量称为时间变量，也叫做趋势变量。时间变量通常用t表示，其在用时间序列构建的计量经济模型中得到广泛的应用，它可以单独作为一元线性回归模型中的解释变量，也可以作多元线性

3、回归模型中的一个解释变量，其对应的回归系数表示被解释变量随时间变化的变化趋势，时间变量也经常用在预测模型中。李红、李阳,2012秋季(二)定义时间序列在stata中的实现在进行时间序列的分析之前，首先要定义变量为时间序列数据。只有定义之后，才能对变量使用时间序列运算符号，也才能使用时间序列分析的相关命令。定义时间序列用tsset命令，其基本命令格式为：tsset timevar,options 其中，timevar为时间变量。Options分为两类，或者定义时间单位，或者定义时间周期（即timevar两个观测值之间的周期数）。Options的相关描述如表11-1所示。李红、李阳,2012秋季李

4、红、李阳,2012秋季可以通过以下三种方式来定义时间序列。例如，想要生成格式为%td的时间序列，并定义该时间序列为t，则可以用以下三种方法：方法1 方法2 方法3format t%td tsset ttsset t,dailytsset t,format(%td)李红、李阳,2012秋季另外一种定义时间序列的方法gen id=_ntsset id李红、李阳,2012秋季(三)时间序列的时滞、前导和差分1.时滞时间序列分析经常涉及时滞变量，或者说就是前次观测的值。用L（n）.表示前n次观测值。generate unempL1=L1.unempgenerate unempL2=L2.unempli

5、st datevar unemp unempL1 unempL2 in 1/5李红、李阳,2012秋季李红、李阳,2012秋季2.前导与时滞相反，表示后次观测的值。用F（n）.表示后n次观测值。generate unempF1=F1.unempgenerate unempF2=F2.unemp李红、李阳,2012秋季李红、李阳,2012秋季3.差分当前值减上一期值，yt-yt-1一阶差分：generate unempD1=D1.unemp表示：D1=ytyt-1二阶差分generate unempD2=D2.unemp 表示：D2=(ytyt-1)(yt-1yt-2)李红、李阳,2012秋季以

6、上方法也可以用于回归计算，比如：regress y x L1.x L2.xregress y x F1.x F2.xregress y x D1.x 李红、李阳,2012秋季(四)相关图为了研究两个时间序列数据之间的关系，我们用到命令xcorr+自变量+因变量。xcorr gdp unemp,lags(10)xlabel(-10(1)10,grid)李红、李阳,2012秋季它显示出它显示出6-9月份，月份，GDP和和UNEMP成负相关的关系。成负相关的关系。李红、李阳,2012秋季李红、李阳,2012秋季(五)单位根及其检验时间序列中存在单位根意味着在序列中存在不止一种发展趋势比如我们分别对1

7、965q1-1981q4和1982q1-2000q4中unemp和gdp作回归分析regress unemp gdp if tin(1965q1,1981q4)regress unemp gdp if tin(1982q1,2000q4)注意：命令tin表示在某个区间段之间，包括两个端点。必须是进行时间定义的前提下（tsset）李红、李阳,2012秋季李红、李阳,2012秋季单位根的检验（DF检验）DF检验是一种常用的检验随机趋势的方法。原假设存在单位根。输入命令：dfuller unemp-1.968-3.479，存在单位根李红、李阳,2012秋季line unemp datevar李红、李

8、阳,2012秋季输入命令dfuller unempD1-6.778-3.480不存不存在单位根在单位根李红、李阳,2012秋季line unempD1 datevar李红、李阳,2012秋季ARIMA模型自回归集成移动平均模型在stata中可以使用arima命令来进行估计。这个命令包含自回归（AR）、移动平均（MA）以及ARIMA模型。它还能估计包括一个或多个自变量以及ARIMA扰动项的结构模型。李红、李阳,2012秋季t=t-1+Zt-1+Zt其中其中是一阶自相关参数，是一阶自相关参数，是一阶移动平均参是一阶移动平均参数，数，Z是随机、独立的白噪声误差。是随机、独立的白噪声误差。李红、李阳,

9、2012秋季stata作arima过程命令arima y,ar(1/#)ma(1/#)ar(1/#)表示第1至第#阶自回归ma(1/#)表示第1至第#阶移动平均命令：等价于命令即：arima y,arima(p,d,q)p自回归的阶数；d移动平均的阶数q原序列需要经过几次差分才是平稳的李红、李阳,2012秋季arima cpi,ar(1/1)ma(1/1)一阶自回归系数一阶自回归系数一阶移动平均系数随机白噪声误差李红、李阳,2012秋季然后检验残差是否表现为不相关的白噪声。在执行了arima以后，我们可以通过predict来取得残差：predict e,residcorrgram e,lags

10、(15)李红、李阳,2012秋季Q统计量的概率值只要不低于0.05我们就认为这个序列不含显著自相关的白噪声。所以我们认为直到时滞15，残差中并无显著自相关。李红、李阳,2012秋季根据以上标准，我们的arima模型显得是恰当的。用MA或更高阶的AR项的更复杂的模型并不会对拟合有什么改进。李红、李阳,2012秋季协整向量误差修正模型的秩估计协整向量误差修正模型的秩估计 李红、李阳,2012秋季Johansen 检验命令：vecrank该命令用于确定一个向量误差修正模型中协整方程的个数。（VECM）李红、李阳,2012秋季利用数据vecrank1.dta输入命令：vecrank y i c,lag

11、s(5)李红、李阳,2012秋季秩R的几种可能性，r=n，意味着原假设原假设是：至多有n个协整关系r=1，即原假设为：只有1个或者更少的协整关系判断方法，用trace statistic的值与临界值进行比较，当前者大于后者时，拒绝原假设。r=3时，表示模型中的三个变量是稳定的。*代表johansen检验选择的r值李红、李阳,2012秋季上例中，我们使用的是r的5%的临界值，那么我们也可以估计r的1%的临界值。输入命令：vecrank y i c,lags(5)level99改变临界值之后，选择的最终改变临界值之后，选择的最终r值也由原来的值也由原来的r=2变为变为r=1.李红、李阳,2012秋

12、季S7a.平稳时间序列模型 自相关（命令语句：ac）与偏相关（pac）自回归移动平均模型（ARMA,命令语句：arima）向量自回归（VAR）模型：STATA中，与VAR相关的命令包括：varsoc，var，varwle，varlmar，varnorm，varstable，vargranger，irf，fcast 李红、李阳,2012秋季S7b.时间序列协整分析 单位根检验（ADF）向量误差修正表示法（VECM）模型的估计与检验总体步骤：检验序列的平稳性（命令语句：dfuller）检验滞后阶数（varsoc）检验协整关系的个数（vecrank）建立 VECM(向量误差修正模型,vec）冲击反应分析（脉冲响应分析,irf create）李红、李阳,2012秋季