stata操作介紹之時(shí)間序列-(四)

1、精選ppt四、平穩(wěn)時(shí)間序列分析 精選ppt平滑分析自相關(guān)分析ARIMA模型精選ppt平滑分析 大多數(shù)時(shí)間序列數(shù)據(jù)都具有上下起伏的波動(dòng)，對于時(shí)間序列數(shù)據(jù)的識(shí)別十分困難。平滑分析可以把數(shù)據(jù)分為兩個(gè)部分：一部分逐漸發(fā)生變化，便于分析處理；另一部分則含有突變的成份。 時(shí)間平滑：用某時(shí)刻及其前后若干時(shí)刻的值進(jìn)行加權(quán)平均，所得值作為該時(shí)刻的替代值以濾去小擾動(dòng)的方法。精選ppt平滑分析 該部分以1983年1月到7月Milford城鎮(zhèn)的自來水消費(fèi)量為例。 文件：ch51.dta精選ppt導(dǎo)入數(shù)據(jù)：. use C:UsersAdministratorDesktop時(shí)間序列數(shù)據(jù)ch51.dta, clear精選p

2、pt平滑分析描述性統(tǒng)計(jì)：. describe 精選ppt平滑分析生成日期變量（一）：. gen date=mdy( month ,day, year). list in 1/5精選ppt平滑分析設(shè)置時(shí)間（二）：. tsset date, format(%d). list in 1/5精選ppt平滑分析趨勢圖：. graph two line water date, ylabel(300(100)900)精選ppt平滑分析生成移動(dòng)平均值（1）：. gen water3=(water _n-1+water _n+water _n+1)/3精選ppt平滑分析生成移動(dòng)平均值（2）：. tssmooth

3、 ma water5=water,window(2 1 2)注：tssmooth:表示移動(dòng)平均值平滑(加權(quán)或不加權(quán)); window(2 1 2):表示使用該值的前兩個(gè)值、該值與該值的后兩個(gè)值進(jìn)行平均計(jì)算；精選ppt平滑分析趨勢圖：. graph two line water5 date, clwidth(thick) | line water date , clwidth(thin) clpattern(solid)精選ppt平滑分析波動(dòng)幅度：. gen ch=water- water5. list in 1/5精選ppt平滑分析波動(dòng)幅度：. graph two line ch date精選

4、ppt平滑分析-滯后變量導(dǎo)入數(shù)據(jù)：. use C:UsersAdministratorDesktop時(shí)間序列數(shù)據(jù)ch52.dta, clear描述性統(tǒng)計(jì)：. describe時(shí)間設(shè)置：. tsset year,yearly精選ppt平滑分析-滯后變量時(shí)間平滑：. tssmooth ma fylln= fylltemp,window(2 1 2)精選ppt平滑分析-滯后變量趨勢圖：. graph two spike fylltemp year,base(1.67) yline(1.67) | line fylln year ,clpattern(solid)精選ppt平滑分析-滯后變量生成n階滯

5、后變量的兩種方法：. gen wNAO_n=wNAO _n-1 . gen wNAO_n=Ln.wNAO 注：第二種方法中的Ln表示Lag(n)；精選ppt平滑分析-滯后變量生成一階滯后變量：. gen wNAO_1=wNAO _n-1生成二階滯后變量：. gen wNAO_2=L2.wNAO精選ppt平滑分析-滯后變量精選ppt平滑分析-滯后變量三種滯后回歸方法:. reg fylltemp wNAO wNAO_1 wNAO_2 if year =1970 & year =1970 & year =1970 & year =1970 & year =1970

6、& year =1990,lags(7) table精選pptARIMA模型 時(shí)間序列中的自相關(guān)集成移動(dòng)平均模型（autoregressive integrated moving average簡稱ARIMA），是指將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列，然后將因變量僅對它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸所建立的模型。 ARIMA模型根據(jù)原序列是否平穩(wěn)以及回歸中所含部分的不同，包括移動(dòng)平均過程（MA）、自回歸過程（AR）、自回歸移動(dòng)平均過程（ARMA）以及ARIMA過程。精選pptARIMA模型ARIMA模型操作步驟：1、對變量進(jìn)行檢驗(yàn)，若變量具有穩(wěn)定性，進(jìn)行第二步，否則，不能

7、使用ARIMA模型；2、做出變量的自相關(guān)圖；3、根據(jù)變量的自相關(guān)圖，選擇合適的模型；4、根據(jù)選定的模型進(jìn)行分析，并檢驗(yàn)系數(shù)是否顯著。若有的系數(shù)不顯著，所選擇的模型可能存在問題；若所有系數(shù)都顯著，進(jìn)行第五步；5、檢驗(yàn)殘差是否具有自相關(guān)性。若殘差具有自相關(guān)性，則所選擇的模型存在問題；若殘差不具有自相關(guān)性，則所選擇的模型是合適的。精選pptARIMA模型三種單位根檢驗(yàn)方法：pperron 檢驗(yàn)：. pperron fylltemp, lag(3)說明：P值為0.0003，小于0.05，故拒絕原假設(shè)，說明該變量不滿足穩(wěn)定性檢驗(yàn)；精選pptARIMA模型dfuller 檢驗(yàn)：. dfuller fyll

8、temp, lag(3)說明：P值為0.089，大于0.05，故不能拒絕原假設(shè)，說明該變量滿足穩(wěn)定性檢驗(yàn)；精選pptARIMA模型dfgls檢驗(yàn)：. dfgls fylltemp, maxlag(3) notrend說明：P值為0.0，小于0.05，故拒絕原假設(shè)，說明該變量不滿足穩(wěn)定性檢驗(yàn)；精選ppt 雖然pperron 檢驗(yàn)和dfgls檢驗(yàn)拒絕了變量fylltemp具有穩(wěn)定性的假設(shè)，但是dfuller 檢驗(yàn)不能拒絕原假設(shè)，還是可以認(rèn)為該變量具有穩(wěn)定性。精選pptARIMA模型自相關(guān)表：. corrgram fylltemp,lags(4)說明：該變量的自相關(guān)關(guān)系隨著滯后期的增加而減少，偏自相關(guān)關(guān)系在一期自后滯后消失，故適合模型AR(1)來分析該變量。精選pptARIMA模型AR(1):. arima fylltemp,arima(1,0,0) nolog說明：由上圖可知，常數(shù)項(xiàng)與一期滯后變量系數(shù)都是統(tǒng)計(jì)顯著的，卡方檢驗(yàn)也顯著。精選ppt故上圖可得到模型為： 在得出結(jié)論之前，還需對殘差進(jìn)行檢驗(yàn)，檢驗(yàn)殘差是否存在自相關(guān)性。 在進(jìn)行檢驗(yàn)之前需要生成殘差。11 - ttfylltemp410. 0689. 1fylltemp627.0 精