時間序列分析STATA第三課

1、用STATAM牛學(xué)習(xí)時間序列分析第三課：ARMA/ARIMA建模及預(yù)測核心問題：1,前提：同方差，因此，不用考慮不同時刻變量的離散性;2, 建立的是變量分布的均值模型，也就是，隨機(jī)變量分布的均值所在的位置3, 難點在丁，時間序列數(shù)據(jù)建立模型并沒有唯一性以quarterly.dta的數(shù)據(jù)來說明。這個數(shù)據(jù)是美國的季度GDP數(shù)據(jù)，數(shù)據(jù)從1947年一季度開始，到2012年一季度結(jié)束。研究對象，GDP,存在通貨膨脹問題。所以要用GDP平減指數(shù)（GDP Deflato。進(jìn)行矯正，這里是以2005年的美元作為 基準(zhǔn)的。所以考察變量是GDP2005,即以2005年的美元作為基準(zhǔn)的各季度的 GDP 真實值。一，

2、一些基本符號：D L F二，建立模型：前期準(zhǔn)備：觀察時序圖相關(guān)命令：tsset, tsline/twoway1950:11960:11970:11990:11990:12000:12010:1 ate從圖上可以看出，GDP2005值呈線性的向右上方傾斜，第一種方法：即:可以用確定性分析理的方法，使用研究變量對時間變量進(jìn)行回歸regress lrgdp date （采用的是最小二乘估計）然后對殘差項進(jìn)行White Noise檢驗觀察此圖：特征大值跟大值，小值跟小值，這說明Residual中存在著自相關(guān)信息?？隙ú皇荳hite Noise因此，從這里看出，確定性的方法比較直觀，簡單，但效果不好，彌

3、補(bǔ)：對 殘差序列進(jìn)行回歸，建立 AR模型，這就是所謂的殘差自回歸模型。第二種方法BOX-JENKINS法，也就是通常所說的 ARMA（p,d）/ARIMA（p,d,d建模（采用 的是最大似然估計）。四大步驟：1、模型識別Identification :決定p和q2、模型估計Estimation:估計卜，令（p個），9 （q個）,我3、模型檢驗 Diagnostic Checking4、模型優(yōu)化Parsimony0103。LagSsrtnetts Tofrni>la fc* MAi卻 S3喋 8任他犯noe 博"山1.模型識另U Identification 相關(guān)命令：ac pa

4、c這個圖的特征是ac值雖然在減小，但其減少類似線性，這時候就要考慮差 分了，通常使用的是一階差分和二階差分一階差分 generate growth=lrgdp-L.lrgdp這個時候,growth就是經(jīng)濟(jì)增長率FiMiTiiuEfli far 95%bandi-soozomroo獸 1|¥?？?。芒.2布©3£|1<這張圖的ac值快速減少到影音之內(nèi)，說明在樣本中，變量growth顯現(xiàn)的是平穩(wěn) 此時，這張圖同時和pac圖聯(lián)合使用，來判定p,qac 圖決定是 q, pac圖決定的是 p7M.Q 昌 000STL| 雋FMDgcD _-廈-gQgenra-ra一！J

5、rad羽' ConfidenDe bands >e - 時可以判定，growth的模型是ARMA(1,2)2,模型估計 Estimation,命令：ARIMAarima growth, arima(1,0,2)ARIMfli Eegr-easliMifiufi-li-: XTN -心 LLkj*LLh£Hd =沖hlBE3.94S1Nmdws* 管早0.H*ld. chii2 | ±)PK必> AL2旦£i9.2ad.DQ'OOOPGgcovthST41. trEux»1i1Oanf.InrMrvilSr-evt-h-0077

6、77.DC01lg737-B30-000_DCiSB419.037121MXAB£Ll1.04。幡2103641S/?21T»w11.a 9393 9 G.23772:7 s0.33d.705-.S75S58.5556771：L2.-1702 3-33.DB182 7B2.03(J-&37.0335113.33OG7£I4./aLgm.DD50S64 .0QDZ3Z231.13 a-ODO.DasEizae.DCISC691| Not- Ttiv 也e，y gfthv皆icrp civp iidv'd-r 4>nd 曰k wq"vi

7、dnS nrafidrrm intvxv*! iv tcvHHtrd3«fd>lag oa (smdarima lrgdp, arima(1,1,2)ARIMA rvqx-a ixqh壺51B47:2 m 3013 :1La 1 ikasl xhoodHa.ld chi2 11 ip Tab > m營OEM/91-qm.53773-?< miitm-.376956Ji.ia 口 .m。Noi-e-: Tfcie tcst- the- v«rLBJice &-g*4i.Ei9c- sere is oqb 9idedP and the twa-3L&l

8、t;bed craiCidenDe i.n&erv>L la t-ruiiaAed. at- iceo.關(guān)鍵：如何看懂這個結(jié)果，如何寫出 ARMA的具體方程形式。3 ,模型檢驗和優(yōu)化：這兩個步驟通常交義進(jìn)行的a上述結(jié)果存在著系數(shù)顯著性檢驗無法通過的情形，所以必須重新做arima growth, arima( 1,0, 1) /arima(0,0,2)等多種情形，直至系數(shù)檢驗通過為止。b系數(shù)顯著性檢驗通過之后，要進(jìn)行模型有效性檢驗，也就是檢驗殘差項是否是白噪聲，對應(yīng)的兩個命令：wntestq , wntestbc如果有兩個以上的模型都通過了模型有效性檢驗以及參數(shù)顯著性檢驗， 那么就要計算AIC值來進(jìn)行取舍。三、預(yù)籟U Forcasting命令：predict o隱含的格式是 one st