《Stata专题)b》由会员分享，可在线阅读，更多相关《Stata专题)b（38页珍藏版）》请在金锄头文库上搜索。
1、李红、李阳, 2012秋季,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
2、, 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,(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
3、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
4、周期数）。Options的相关描述如表11-1所示。,李红、李阳, 2012秋季,李红、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：,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.unemplist datevar
5、 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
6、, 2012秋季,以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6-9月份，GDP和UNEMP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
7、比如我们分别对1965q1-1981q4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,lin
8、e unemp datevar,李红、李阳, 2012秋季,输入命令dfuller unempD1,-6.778-3.480不存在单位根,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其中是一阶自相关参数，是一阶移动平均参数，Z是随机、独立的白噪声误差。,李红、李阳, 2012秋
9、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,lag
10、s(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,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,l
11、ags(5),李红、李阳, 2012秋季,秩R的几种可能性，r=n，意味着原假设是：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r值也由原来的r=2变为r=1.,李红、李阳, 2012秋季,S7a. 平稳
12、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）,
