第十一章時(shí)間序列分析-ppt課件

1、STATA 從入門到精通從入門到精通第十一章第十一章 時(shí)間序列分析時(shí)間序列分析Page 2STATA從入門到精通從入門到精通11.1 根本時(shí)間序列模型的估計(jì)根本時(shí)間序列模型的估計(jì)n 在許多情況下，人們用時(shí)間序列的觀測(cè)時(shí)期代表的時(shí)間作為模型的解在許多情況下，人們用時(shí)間序列的觀測(cè)時(shí)期代表的時(shí)間作為模型的解釋變量，用來表示被解釋變量隨時(shí)間的自發(fā)變化趨勢(shì)。這種變量稱為釋變量，用來表示被解釋變量隨時(shí)間的自發(fā)變化趨勢(shì)。這種變量稱為時(shí)間變量，也叫做趨勢(shì)變量。時(shí)間變量，也叫做趨勢(shì)變量。n 時(shí)間變量通常用時(shí)間變量通常用t表示，其在用時(shí)間序列構(gòu)建的計(jì)量經(jīng)濟(jì)模型中得到表示，其在用時(shí)間序列構(gòu)建的計(jì)量經(jīng)濟(jì)模型中得到廣泛

2、的運(yùn)用，它可以單獨(dú)作為一元線性回歸模型中的解釋變量，也可廣泛的運(yùn)用，它可以單獨(dú)作為一元線性回歸模型中的解釋變量，也可以作多元線性回歸模型中的一個(gè)解釋變量，其對(duì)應(yīng)的回歸系數(shù)表示被以作多元線性回歸模型中的一個(gè)解釋變量，其對(duì)應(yīng)的回歸系數(shù)表示被解釋變量隨時(shí)間變化的變化趨勢(shì)，時(shí)間變量也經(jīng)常用在預(yù)測(cè)模型中。解釋變量隨時(shí)間變化的變化趨勢(shì)，時(shí)間變量也經(jīng)常用在預(yù)測(cè)模型中。Page 3STATA從入門到精通從入門到精通11.1.1 定義時(shí)間序列在定義時(shí)間序列在stata中的實(shí)現(xiàn)中的實(shí)現(xiàn)n 在進(jìn)展時(shí)間序列的分析之前，首先要定義變量為時(shí)間序列數(shù)據(jù)。只需定義之在進(jìn)展時(shí)間序列的分析之前，首先要定義變量為時(shí)間序列數(shù)據(jù)。只需

3、定義之后，才干對(duì)變量運(yùn)用時(shí)間序列運(yùn)算符號(hào)，也才干運(yùn)用時(shí)間序列分析的相關(guān)命后，才干對(duì)變量運(yùn)用時(shí)間序列運(yùn)算符號(hào)，也才干運(yùn)用時(shí)間序列分析的相關(guān)命令。定義時(shí)間序列用令。定義時(shí)間序列用tsset命令，其根本命令格式為：命令，其根本命令格式為：n tsset timevar , options n 其中，其中， timevar為時(shí)間變量。為時(shí)間變量。Options分為兩類，或者定義時(shí)間單位，或者分為兩類，或者定義時(shí)間單位，或者定義時(shí)間周期即定義時(shí)間周期即timevar兩個(gè)觀測(cè)值之間的周期數(shù)。兩個(gè)觀測(cè)值之間的周期數(shù)。Options的相關(guān)描畫的相關(guān)描畫如表如表11-1所示。所示。Page 4STATA從入門到

4、精通從入門到精通n注：注：1units表示時(shí)間單位，對(duì)于表示時(shí)間單位，對(duì)于%tc，允，允許的時(shí)間單位包括：許的時(shí)間單位包括：second、seconds、secs、secs、minutes、minute、mine、min、hours、hour、days、weeks、week。對(duì)于其他對(duì)于其他%t的格式，的格式，Stata自動(dòng)獲得其時(shí)間單自動(dòng)獲得其時(shí)間單位，位，delta選項(xiàng)經(jīng)常與選項(xiàng)經(jīng)常與%tc格式一同運(yùn)用。格式一同運(yùn)用。時(shí)間單位時(shí)間單位格式說明格式說明Clocktimetimevar的格式為%tc,0=1jan1960 00:00:00.000，1=1jan1960 00:00:00.001

5、即0代表1960年1月1日的第一秒，1為1960年1月1日的第二秒，依次后推。dailytimevar的格式為%td，0=1jan1960，1=2jan1960；即0為1960年第一天，1為1960年第二天，依次后推。weeklytimevar的格式為%tw，0=1960w1，1=1960w2；即0為1960年第一周，1為1960年第二周，依次后推。monthlytimevar的格式為%tm，0=1，1=；即0為1960年第一月，1為1960年第二月，依次后推。quarterlytimevar的格式為%tq，0=1960q1，1=1960q2；即0為1960年第一季，1為1960年第二季，依次

6、后推。harfyearlytimevar的格式為%th，0=1960h1，1=1960h2；即0為從1960起的第一個(gè)半年，1為從1960年起第二個(gè)半年，依次后推。yearlytimevar的格式為%ty，1960=1960，1961=1960generictimevar的格式為%tgformat(%fmt)用戶定義的其他時(shí)間周期時(shí)間周期 例子例子delta(#)例如delta(1)或delta(2)delta(exp)例如delta(7*24)delta(#units)例如delta(7 days)或delta(15 minutes)或delta(7 days 15 minutes)。見注（

7、1）delta(exp)units)例如delta(2+3) weeks)Page 5STATA從入門到精通從入門到精通n 可以經(jīng)過以下三種方式來定義時(shí)間序列。例如，想要生成格式為可以經(jīng)過以下三種方式來定義時(shí)間序列。例如，想要生成格式為%td的時(shí)間序列，并定義該時(shí)間序列為的時(shí)間序列，并定義該時(shí)間序列為t，那么可以用以下三種方法：，那么可以用以下三種方法： 方法方法1 方法方法2 方法方法3format t %td tsset ttsset t,dailytsset t, format(%td)Page 6STATA從入門到精通從入門到精通n 【例【例11.1】運(yùn)用文件】運(yùn)用文件“cpi.dta

8、的數(shù)據(jù)來對(duì)的數(shù)據(jù)來對(duì)tsset命令的運(yùn)用進(jìn)展闡明。命令的運(yùn)用進(jìn)展闡明。該例子是我國該例子是我國1983年年1月年至月年至2019年年8月的居民消費(fèi)價(jià)錢指數(shù)月的居民消費(fèi)價(jià)錢指數(shù)CPI。部分?jǐn)?shù)據(jù)如表部分?jǐn)?shù)據(jù)如表11-2所示：所示：n 表表11-2 我國居民消費(fèi)價(jià)錢指數(shù)我國居民消費(fèi)價(jià)錢指數(shù)CPIYear Year monthmonthcpicpi19831100.619832100.919833100.919834100.419835101.219836101.919837100.9Page 7STATA從入門到精通從入門到精通11.1.2 對(duì)時(shí)間序列進(jìn)展修勻?qū)r(shí)間序列進(jìn)展修勻n 時(shí)間序列的構(gòu)成是各

9、種不同的要素對(duì)事物的開展變化共同起作用的結(jié)時(shí)間序列的構(gòu)成是各種不同的要素對(duì)事物的開展變化共同起作用的結(jié)果。這些要素概括起來可以歸納為四類：長期趨勢(shì)要素、季節(jié)變動(dòng)要果。這些要素概括起來可以歸納為四類：長期趨勢(shì)要素、季節(jié)變動(dòng)要素、循環(huán)變動(dòng)要素和不規(guī)那么變動(dòng)要素。素、循環(huán)變動(dòng)要素和不規(guī)那么變動(dòng)要素。n 時(shí)間序列構(gòu)成分析就是要察看景象在一個(gè)相當(dāng)長的時(shí)期內(nèi)，由于各個(gè)時(shí)間序列構(gòu)成分析就是要察看景象在一個(gè)相當(dāng)長的時(shí)期內(nèi)，由于各個(gè)影響要素的影響，使事物開展變化中出現(xiàn)的長期趨勢(shì)、季節(jié)變動(dòng)、循影響要素的影響，使事物開展變化中出現(xiàn)的長期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變動(dòng)和不規(guī)那么變動(dòng)。環(huán)變動(dòng)和不規(guī)那么變動(dòng)。n 經(jīng)過測(cè)定和分析

10、過去一段時(shí)間之內(nèi)景象的開展趨勢(shì)，可以認(rèn)識(shí)和掌握經(jīng)過測(cè)定和分析過去一段時(shí)間之內(nèi)景象的開展趨勢(shì)，可以認(rèn)識(shí)和掌握景象開展變化的規(guī)律性，為統(tǒng)計(jì)預(yù)測(cè)提供必要的條件，同時(shí)也可以消景象開展變化的規(guī)律性，為統(tǒng)計(jì)預(yù)測(cè)提供必要的條件，同時(shí)也可以消除原有時(shí)間序列中長期趨勢(shì)的影響，更好地研討季節(jié)變動(dòng)和循環(huán)變動(dòng)除原有時(shí)間序列中長期趨勢(shì)的影響，更好地研討季節(jié)變動(dòng)和循環(huán)變動(dòng)等問題。測(cè)定和分析長期趨勢(shì)的主要方法是對(duì)時(shí)間序列進(jìn)展修勻。等問題。測(cè)定和分析長期趨勢(shì)的主要方法是對(duì)時(shí)間序列進(jìn)展修勻。Page 8STATA從入門到精通從入門到精通n 數(shù)據(jù)數(shù)據(jù)=修勻部分修勻部分+粗糙部分，運(yùn)用粗糙部分，運(yùn)用Stata進(jìn)展修勻運(yùn)用進(jìn)展修勻運(yùn)

11、用tssmooth命令，其根本命令，其根本命令格式如下所示：命令格式如下所示：n tssmooth smoothertype newvar = exp if in , .n 其中其中smoothertype有一系列目錄，如下表有一系列目錄，如下表11-4所示：所示：平滑的種類平滑的種類smoothertype移動(dòng)平均不加權(quán)ma加權(quán)ma遞歸單指數(shù)過濾器exponential雙指數(shù)過濾器dexponential非季節(jié)性Holt-Winters修勻hwinters季節(jié)性Holt-Winters修勻shwinters非線性過濾器nlPage 9STATA從入門到精通從入門到精通n 【例【例11.2】繼

12、續(xù)運(yùn)用上例的數(shù)據(jù)來對(duì)】繼續(xù)運(yùn)用上例的數(shù)據(jù)來對(duì)tssmooth命令的運(yùn)用進(jìn)展闡明。命令的運(yùn)用進(jìn)展闡明。在本例中對(duì)該組數(shù)據(jù)進(jìn)展修勻，以便消除不規(guī)那么變動(dòng)的影響，得到在本例中對(duì)該組數(shù)據(jù)進(jìn)展修勻，以便消除不規(guī)那么變動(dòng)的影響，得到時(shí)間序列長期趨勢(shì)，本例修勻的方法是利用之前的時(shí)間序列長期趨勢(shì)，本例修勻的方法是利用之前的1個(gè)月和之后的個(gè)月和之后的2個(gè)個(gè)月及本月進(jìn)展平均。月及本月進(jìn)展平均。Page 10STATA從入門到精通從入門到精通11.2 ARIMA模型的估計(jì)、單位根與協(xié)整模型的估計(jì)、單位根與協(xié)整n 時(shí)間序列模型普通分為四類，分別是自回歸過程、挪動(dòng)平均過程、自時(shí)間序列模型普通分為四類，分別是自回歸過程、

13、挪動(dòng)平均過程、自回歸挪動(dòng)平均過程、單整自回歸挪動(dòng)平均過程?；貧w挪動(dòng)平均過程、單整自回歸挪動(dòng)平均過程。n 1、 自回歸過程自回歸過程n 假設(shè)一個(gè)剔出均值和確定性成分的線性過程可表達(dá)為假設(shè)一個(gè)剔出均值和確定性成分的線性過程可表達(dá)為n xt = 1xt-1 + 2 xt-2 + + p xt-p + utn 其中其中i, i = 1, p 是自回歸參數(shù)，是自回歸參數(shù)，ut 是白噪聲過程，那么稱是白噪聲過程，那么稱xt為為p階自回歸過程，用階自回歸過程，用AR(p)表示。表示。xt是由它的是由它的p個(gè)滯后變量的加權(quán)和以個(gè)滯后變量的加權(quán)和以及及ut相加而成。相加而成。n 2、挪動(dòng)平均過程、挪動(dòng)平均過程n

14、 假設(shè)一個(gè)剔出均值和確定性成分的線性隨機(jī)過程可用下式表達(dá)假設(shè)一個(gè)剔出均值和確定性成分的線性隨機(jī)過程可用下式表達(dá)n xt = ut + 1 ut 1 + 2 ut -2 + + q ut q n 其中其中 1, 2, , q是回歸參數(shù)，是回歸參數(shù)，ut為白噪聲過程，那么上式稱為為白噪聲過程，那么上式稱為q階挪動(dòng)平均過程，記為階挪動(dòng)平均過程，記為MA(q) 。Page 11STATA從入門到精通從入門到精通n 3、自回歸挪動(dòng)平均過程、自回歸挪動(dòng)平均過程n 由自回歸和挪動(dòng)平均兩部分共同構(gòu)成的隨機(jī)過程稱為自回歸挪動(dòng)平均由自回歸和挪動(dòng)平均兩部分共同構(gòu)成的隨機(jī)過程稱為自回歸挪動(dòng)平均過程，記為過程，記為AR

15、MA(p, q), 其中其中p, q分別表示自回歸和挪動(dòng)平均部分的分別表示自回歸和挪動(dòng)平均部分的最大階數(shù)。最大階數(shù)。ARMA(p, q) 的普通表達(dá)式是的普通表達(dá)式是n xt = 1xt-1 + 2xt-2 + p xt-p + ut + 1ut-1 + 2 ut-2 + .+ q ut-qn 4、單整自回歸挪動(dòng)平均過程、單整自回歸挪動(dòng)平均過程n 對(duì)于對(duì)于ARMA過程包括過程包括AR過程，假設(shè)特征方程過程，假設(shè)特征方程(L) = 0 的全部根的全部根取值在單位圓之外，那么該過程是平穩(wěn)的；假設(shè)假設(shè)干個(gè)或全部根取取值在單位圓之外，那么該過程是平穩(wěn)的；假設(shè)假設(shè)干個(gè)或全部根取值在單位圓之內(nèi)，那么該過程

16、是強(qiáng)非平穩(wěn)的。除此之外還有第三種情值在單位圓之內(nèi)，那么該過程是強(qiáng)非平穩(wěn)的。除此之外還有第三種情形，即特征方程的假設(shè)干根取值恰好在單位圓上。這種根稱為單位根，形，即特征方程的假設(shè)干根取值恰好在單位圓上。這種根稱為單位根，這種過程也是非平穩(wěn)的。這種過程也是非平穩(wěn)的。n 假設(shè)隨機(jī)過程假設(shè)隨機(jī)過程yt 經(jīng)過經(jīng)過d 次差分之后可變換為一個(gè)以次差分之后可變換為一個(gè)以 (L)為為p階自回階自回歸算子，歸算子， (L)為為q階挪動(dòng)平均算子的平穩(wěn)、可逆的隨機(jī)過程，那么稱階挪動(dòng)平均算子的平穩(wěn)、可逆的隨機(jī)過程，那么稱yt 為為p, d, q階單整階單整(單積單積)自回歸挪動(dòng)平均過程，記為自回歸挪動(dòng)平均過程，記為AR

17、IMA (p, d, q)。Page 12STATA從入門到精通從入門到精通11.2.1 時(shí)間序列相關(guān)性檢驗(yàn)的時(shí)間序列相關(guān)性檢驗(yàn)的stata實(shí)現(xiàn)實(shí)現(xiàn)n 在進(jìn)展在進(jìn)展arima分析前，對(duì)序列的特征應(yīng)該有相應(yīng)的了解。包括自相關(guān)分析前，對(duì)序列的特征應(yīng)該有相應(yīng)的了解。包括自相關(guān)圖，偏自相關(guān)圖和圖，偏自相關(guān)圖和Q統(tǒng)計(jì)量。統(tǒng)計(jì)量。n 自相關(guān)描寫它序列自相關(guān)描寫它序列 的臨近數(shù)據(jù)之間存在多大程度的相關(guān)性。的臨近數(shù)據(jù)之間存在多大程度的相關(guān)性。n 偏自相關(guān)度量的是偏自相關(guān)度量的是k期間距的相關(guān)而不思索期間距的相關(guān)而不思索k -1期的相關(guān)。期的相關(guān)。n p階滯后的階滯后的Q-統(tǒng)計(jì)量的原假設(shè)是：序列不存在統(tǒng)計(jì)量的原

18、假設(shè)是：序列不存在p階自相關(guān)；備選假設(shè)階自相關(guān)；備選假設(shè)為：序列存在為：序列存在p階自相關(guān)。階自相關(guān)。n 在在Stata中實(shí)現(xiàn)相關(guān)性檢驗(yàn)的根本命令格式如下所示：中實(shí)現(xiàn)相關(guān)性檢驗(yàn)的根本命令格式如下所示：n 命令格式命令格式1做出自相關(guān)和偏自相關(guān)圖：做出自相關(guān)和偏自相關(guān)圖：n corrgram varname if in , corrgram_optionsn 命令格式命令格式2做出自相關(guān)圖：做出自相關(guān)圖：n ac varname if in , ac_optionsn 命令格式命令格式3做出自相關(guān)和偏自相關(guān)圖：做出自相關(guān)和偏自相關(guān)圖：n pac varname if in , pac_optio

19、nsPage 13STATA從入門到精通從入門到精通n 以上三個(gè)命令格式的選項(xiàng)的相關(guān)描畫分別如表以上三個(gè)命令格式的選項(xiàng)的相關(guān)描畫分別如表11-5、11-6、11-7所示：所示：n 表表11-5 corrgram_options的相關(guān)描畫的相關(guān)描畫 表表11-6 ac_options的相關(guān)描畫的相關(guān)描畫n 表表11-7 ac_options的相關(guān)描畫的相關(guān)描畫主要選項(xiàng)主要選項(xiàng)描述描述lags(#)*滯后階數(shù)noplot不進(jìn)行作圖yw通過Yule-Walker方程組，計(jì)算偏自相關(guān)PAC主要選項(xiàng)主要選項(xiàng)描述描述lags(#)*滯后階數(shù)generate(newvar)生成新變量，默認(rèn)不做圖level(

20、#)置信度，默認(rèn)95%fft通過傅里葉轉(zhuǎn)化計(jì)算AC主要選項(xiàng)主要選項(xiàng)描述描述lags(#)*滯后階數(shù)generate(newvar)level(#)生成新變量，默認(rèn)不做圖置信度，默認(rèn)95%yw通過Yule-Walker方程組，計(jì)算偏自相關(guān)PACPage 14STATA從入門到精通從入門到精通n 【例【例11.3】運(yùn)用表】運(yùn)用表11-8的數(shù)據(jù)來對(duì)的數(shù)據(jù)來對(duì)Stata中自相關(guān)與偏自相關(guān)的運(yùn)用進(jìn)展闡明。中自相關(guān)與偏自相關(guān)的運(yùn)用進(jìn)展闡明。該數(shù)據(jù)給出了中國該數(shù)據(jù)給出了中國1953-1984年的國民消費(fèi)總值年的國民消費(fèi)總值GNP、私人國內(nèi)總投資、私人國內(nèi)總投資I、GNP的隱性價(jià)錢折算因子的隱性價(jià)錢折算因子P

21、以以1972為基期、半年期商業(yè)票據(jù)利率為基期、半年期商業(yè)票據(jù)利率R。在。在本例中我們對(duì)本例中我們對(duì)GNP時(shí)間序列進(jìn)展分析，察看期相關(guān)圖和自相關(guān)圖，從而得到時(shí)間序列進(jìn)展分析，察看期相關(guān)圖和自相關(guān)圖，從而得到GNP時(shí)間序列的類型。部分?jǐn)?shù)聽闡明下表所示。時(shí)間序列的類型。部分?jǐn)?shù)聽闡明下表所示。年份年份中國中國GNP私人國內(nèi)總私人國內(nèi)總投資投資GNPGNP的隱性的隱性價(jià)格折算因價(jià)格折算因子（子（1972=1）半年期商業(yè)半年期商業(yè)票據(jù)利率票據(jù)利率1953623.685.30.5882.521954616.183.10.5961.591955657.5103.80.6082.191956671.6102.6

22、0.6283.311957683.8970.6493.821958680.987.50.662.471959721.71080.6763.96Page 15STATA從入門到精通從入門到精通11.2.2 時(shí)間序列穩(wěn)定性檢驗(yàn)的時(shí)間序列穩(wěn)定性檢驗(yàn)的stata實(shí)現(xiàn)實(shí)現(xiàn)n 檢驗(yàn)序列的平穩(wěn)性，可以用檢驗(yàn)序列的平穩(wěn)性，可以用phillips-perron檢驗(yàn)，檢驗(yàn)，dickey-fuller檢驗(yàn)，檢驗(yàn)，以及運(yùn)用以及運(yùn)用GLS擴(kuò)展的擴(kuò)展的dickey-fuller檢驗(yàn)。其根本命令格式如下：檢驗(yàn)。其根本命令格式如下：n 命令格式命令格式1dickey-fuller檢驗(yàn)：檢驗(yàn)：n dfuller varname

23、 if in ,optionn 命令格式命令格式2GLS擴(kuò)展的擴(kuò)展的dickey-fuller檢驗(yàn)：檢驗(yàn)：n dfgls varname if in , optionsn 命令格式命令格式3phillips-perron檢驗(yàn)：檢驗(yàn)：n pperron varname if in , optionsn 以上三個(gè)命令格式的選項(xiàng)的相關(guān)描畫分別如表以上三個(gè)命令格式的選項(xiàng)的相關(guān)描畫分別如表11-10、11-11、11-12所示：所示：Page 16STATA從入門到精通從入門到精通n 表表11-10 dickey-fuller檢驗(yàn)檢驗(yàn)options的相關(guān)描畫的相關(guān)描畫n 表表11-11 GLS擴(kuò)展的擴(kuò)展

24、的dickey-fuller檢驗(yàn)檢驗(yàn)options的相關(guān)描畫的相關(guān)描畫n 表表11-12 phillips-perron檢驗(yàn)檢驗(yàn)檢驗(yàn)檢驗(yàn)options的相關(guān)描畫的相關(guān)描畫主要選項(xiàng)主要選項(xiàng)描述描述noconstant沒有截?fù)?jù)項(xiàng)trend包括時(shí)間趨勢(shì)drift包括漂移項(xiàng)regress 顯示回歸結(jié)果lags(#) 滯后階數(shù)主要選項(xiàng)主要選項(xiàng)描述描述maxlag(#)最大滯后階數(shù)notrend沒有時(shí)間趨勢(shì)ers利用插值法計(jì)算臨界值主要選項(xiàng)主要選項(xiàng)描述描述noconstant沒有截?fù)?jù)項(xiàng)trendregress 有趨勢(shì)項(xiàng)顯示回歸結(jié)果lags(#)最大滯后階數(shù)Page 17STATA從入門到精通從入門到精通n

25、 【例【例11.4】繼續(xù)運(yùn)用上例的數(shù)據(jù)來對(duì)】繼續(xù)運(yùn)用上例的數(shù)據(jù)來對(duì)Stata中平穩(wěn)性檢驗(yàn)的相關(guān)運(yùn)用中平穩(wěn)性檢驗(yàn)的相關(guān)運(yùn)用進(jìn)展闡明。這里要求運(yùn)用進(jìn)展闡明。這里要求運(yùn)用dickey-fuller檢驗(yàn)、檢驗(yàn)、GLS擴(kuò)展的擴(kuò)展的dickey-fuller檢驗(yàn)和檢驗(yàn)和phillips-perron檢驗(yàn)三種方法，對(duì)檢驗(yàn)三種方法，對(duì)GNP的一階差分進(jìn)展的一階差分進(jìn)展平穩(wěn)性檢驗(yàn)。平穩(wěn)性檢驗(yàn)。Page 18STATA從入門到精通從入門到精通11.2.3 ARIMA模型的模型的stata實(shí)現(xiàn)實(shí)現(xiàn)n 時(shí)間序列的自回歸挪動(dòng)平均法可是經(jīng)過運(yùn)用時(shí)間序列的自回歸挪動(dòng)平均法可是經(jīng)過運(yùn)用arima命令來實(shí)現(xiàn)。其根本命命令來實(shí)現(xiàn)

26、。其根本命令格式如下：令格式如下：n arima depvar indepvars if in weight , optionsn 在運(yùn)用在運(yùn)用arima模型前，需求先檢驗(yàn)數(shù)據(jù)的平穩(wěn)性和相關(guān)性，然后經(jīng)過判別模型前，需求先檢驗(yàn)數(shù)據(jù)的平穩(wěn)性和相關(guān)性，然后經(jīng)過判別才干運(yùn)用。才干運(yùn)用。主要選項(xiàng)主要選項(xiàng)描述描述noconstant沒有截?fù)?jù)項(xiàng)Arima(#p,#d,#q)Arima(p,d,q)模型Ar(numlist)Ar的滯后階數(shù)Ma(numlist) Ma的滯后階數(shù)Constraints(constraints)線性約束collinear保留多重共線性變量Sarima(#p,#d,#q,#s)季節(jié)a

27、rima模型Mar(numlist,#s)季節(jié)ar的滯后階數(shù)Mma( numlist,#s)季節(jié)ma的滯后階數(shù)Page 19STATA從入門到精通從入門到精通n 【例【例11.5】運(yùn)用表】運(yùn)用表11-14的數(shù)據(jù)來對(duì)的數(shù)據(jù)來對(duì)Stata中中ARIMA模型的相關(guān)運(yùn)用進(jìn)模型的相關(guān)運(yùn)用進(jìn)展闡明。該表給出了某地域每年的年度總?cè)丝跀?shù)。部分?jǐn)?shù)據(jù)如下：展闡明。該表給出了某地域每年的年度總?cè)丝跀?shù)。部分?jǐn)?shù)據(jù)如下：年份年份年底總?cè)丝跀?shù)年底總?cè)丝跀?shù)(萬人萬人)19495416719505519619515630019525748219535879619546026619556146519566282819576465

28、3195865994195967207Page 20STATA從入門到精通從入門到精通11.3 VAR與與VEC模型的估計(jì)及解釋模型的估計(jì)及解釋n 1、VAR模型的階數(shù)選擇模型的階數(shù)選擇n 在在Stata中中VAR模型階數(shù)選擇的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：模型階數(shù)選擇的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：n depvarlist if in , preestimation_options主要選項(xiàng)主要選項(xiàng)描述描述maxlag(#)最高滯后階數(shù); 默認(rèn)是滯后4期exog(varlist)外生變量constraints(constraints)對(duì)外生變量的線性約束noconstant 沒有常數(shù)項(xiàng)

29、level(#) 置信度，默認(rèn)95%separator(#)分割線Page 21STATA從入門到精通從入門到精通n 2、構(gòu)建、構(gòu)建VAR模型模型n 在在Stata中構(gòu)建中構(gòu)建VAR模型的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：模型的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：n var depvarlist if in , options主要選項(xiàng)主要選項(xiàng)描述描述模型1noconstant 沒有常數(shù)項(xiàng)lags(numlist)VAR滯后階數(shù) exog(varlist) 外生變量模型2 constraints(numlist)線性約束 nolog 不顯示迭代過程 noisure一步迭代dfk自由度調(diào)節(jié)small

30、小樣本t,f統(tǒng)計(jì)量報(bào)告結(jié)果 level(#)置信度Page 22STATA從入門到精通從入門到精通n 3、平穩(wěn)性條件調(diào)查、平穩(wěn)性條件調(diào)查n 在在Stata中中VAR模型平穩(wěn)性條件調(diào)查的實(shí)現(xiàn)，是經(jīng)過如下根本命令來模型平穩(wěn)性條件調(diào)查的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：實(shí)現(xiàn)的：n varstable , options主要選項(xiàng)主要選項(xiàng)描述描述estimates(estname)考察VAR（estname）的平穩(wěn)性graph對(duì)伴隨矩陣的特征值作圖dlabel將特征值標(biāo)記為到單位圓的距離Page 23STATA從入門到精通從入門到精通n 4、殘差的正態(tài)性和自相關(guān)檢驗(yàn)、殘差的正態(tài)性和自相關(guān)檢驗(yàn)n 在在St

31、ata中中VAR模型殘差的正態(tài)性和自相關(guān)檢驗(yàn)的實(shí)現(xiàn)，是經(jīng)過如下模型殘差的正態(tài)性和自相關(guān)檢驗(yàn)的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：根本命令來實(shí)現(xiàn)的：n varnorm , options主要選項(xiàng)主要選項(xiàng)描述描述jbera statistics Jarque-Bera 統(tǒng)計(jì)量skewness偏度kurtosis峰度estimates(estname)cholesky 已估計(jì)的var名稱使用Cholesky 分解separator(#)分割線Page 24STATA從入門到精通從入門到精通n 5、格蘭杰因果檢驗(yàn)、格蘭杰因果檢驗(yàn)n 在在Stata中中VAR模型格蘭杰因果檢驗(yàn)的實(shí)現(xiàn)，是經(jīng)過如下根本命令來模

32、型格蘭杰因果檢驗(yàn)的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：實(shí)現(xiàn)的：n vargranger , estimates(estname) separator(#)Page 25STATA從入門到精通從入門到精通n 6、脈沖分析、脈沖分析n 1irf文件的創(chuàng)建、顯示、激活和去除文件的創(chuàng)建、顯示、激活和去除n VAR模型脈沖分析的實(shí)現(xiàn)，首先是要?jiǎng)?chuàng)建模型脈沖分析的實(shí)現(xiàn)，首先是要?jiǎng)?chuàng)建irf文件。在文件。在Stata中是經(jīng)過如下中是經(jīng)過如下根本命令來實(shí)現(xiàn)的：根本命令來實(shí)現(xiàn)的：n 命令格式命令格式1VAR模型的模型的irf文件創(chuàng)建：文件創(chuàng)建：irf create irfname , var_optionsn 命令格

33、式命令格式2SVAR模型的模型的irf文件創(chuàng)建：文件創(chuàng)建：irf create irfname , svar_optionsn 命令格式命令格式3VEC模型的模型的irf文件創(chuàng)建：文件創(chuàng)建：irf create irfname , vec_optionsn 創(chuàng)建創(chuàng)建irf文件之后，顯示處于當(dāng)下活動(dòng)形狀的文件之后，顯示處于當(dāng)下活動(dòng)形狀的irf，輸入以下命令：，輸入以下命令：irf setn 激活激活irf文件，可以輸入以下命令：文件，可以輸入以下命令：irf set ifr_namen 去除活動(dòng)的去除活動(dòng)的irf文件，可以輸入以下命令：文件，可以輸入以下命令：irf set, clear主要選項(xiàng)

34、主要選項(xiàng)描述描述set(filename, replace)創(chuàng)建文件replace如果文件已存在，則替換文件order(varlist)Cholesky排序estimates(estname) 以估計(jì)的VAR名稱Page 26STATA從入門到精通從入門到精通n 2Irf作圖作圖n Irf文件作圖，可以輸入以下命令：文件作圖，可以輸入以下命令：irf graph stat , optionsn stat的相關(guān)描畫的相關(guān)描畫 options的相關(guān)描畫的相關(guān)描畫主要選項(xiàng)主要選項(xiàng)描述描述irf irfoirf正交irfdm動(dòng)態(tài)乘子cirf 累計(jì)irfcoirf 累計(jì)正交irfcdm累計(jì)同臺(tái)乘子fev

35、dCholesky 方差分解sirf結(jié)構(gòu)IRFsfevd結(jié)構(gòu) Cholesky 方差分解主要選項(xiàng)主要選項(xiàng)描述描述set(filename) 使文件激活irf(irfnames)IRF 結(jié)果名稱impulse(impulsevar)脈沖變量response(endogvars)響應(yīng)變量Page 27STATA從入門到精通從入門到精通n 6 johansen檢驗(yàn)檢驗(yàn)n 當(dāng)變量之間同階單整時(shí)，可以運(yùn)用當(dāng)變量之間同階單整時(shí)，可以運(yùn)用johansen檢驗(yàn)查看變量之間能否檢驗(yàn)查看變量之間能否協(xié)整。協(xié)整。Stata中中VAR模型模型johansen檢驗(yàn)的實(shí)現(xiàn)，是經(jīng)過如下根本命令檢驗(yàn)的實(shí)現(xiàn)，是經(jīng)過如下根本命令

36、來實(shí)現(xiàn)的：來實(shí)現(xiàn)的：n vecrank depvar if in , options 主要選項(xiàng)主要選項(xiàng)描述描述lags(#) VAR模型的最高滯后階數(shù)trend(constant)VAR模型有常數(shù)項(xiàng)，協(xié)整方程有常數(shù)項(xiàng)trend(rconstant)VAR模型有常數(shù)項(xiàng)，協(xié)整方程無常數(shù)項(xiàng)trend(trend)VAR模型有趨勢(shì)項(xiàng)，協(xié)整方程有趨勢(shì)項(xiàng)trend(rtrend)VAR模型有趨勢(shì)項(xiàng)，協(xié)整方程無趨勢(shì)項(xiàng)trend(none)VAR模型無常數(shù)項(xiàng)，協(xié)整方程無常數(shù)項(xiàng)Page 28STATA從入門到精通從入門到精通n 【例【例11.6】表】表11-10給出了我國給出了我國CPI、利率、利率R、狹義貨幣

37、供應(yīng)量、狹義貨幣供應(yīng)量M1經(jīng)過修勻后的數(shù)據(jù)。經(jīng)過修勻后的數(shù)據(jù)。其中狹義貨幣供應(yīng)量增長率經(jīng)過其中狹義貨幣供應(yīng)量增長率經(jīng)過SAR修勻后記為修勻后記為M1sar，貸款利率記為，貸款利率記為r,cpi經(jīng)過經(jīng)過sa修勻后記為修勻后記為cpisa。數(shù)據(jù)區(qū)間是從。數(shù)據(jù)區(qū)間是從1994年年1月月2019年年12月。本例中將要建立一個(gè)關(guān)月。本例中將要建立一個(gè)關(guān)于變量于變量m1sar 、變量、變量cpisa和變量和變量r的的VAR模型，部分?jǐn)?shù)據(jù)如表模型，部分?jǐn)?shù)據(jù)如表11-23所示：所示：monthyearm1sarcpisar119940.190123392 20.93511929 12.24219940.166

38、035575 23.36645208 12.24319940.154944021 22.50509823 12.24419940.145357052 21.894884512.24519940.155072278 21.58277167 9619940.181137027 22.78261176 9719940.233693845 24.00026113 9819940.284786294 25.76049934 9919940.291513079 27.16382803 9Page 29STATA從入門到精通從入門到精通11.4 ARCH與與GARCH的估計(jì)及解釋的估計(jì)及解釋n 1、ARCH

39、模型模型n 假設(shè)一個(gè)平穩(wěn)隨機(jī)變量假設(shè)一個(gè)平穩(wěn)隨機(jī)變量xt可以表示為可以表示為AR(p) 方式，其隨機(jī)誤差項(xiàng)的方差可用方式，其隨機(jī)誤差項(xiàng)的方差可用誤差項(xiàng)平方的誤差項(xiàng)平方的q階分布滯后模型描畫，階分布滯后模型描畫，n xt = 0 + 1 xt -1 + 2 xt -2 + + p xt - p + utn t2 = E(ut2) = 0 + 1 ut -1 2 + 2 ut -22 + + q ut - q2n 那么稱那么稱ut 服從服從q階的階的ARCH過程，記作過程，記作ut ARCH (q)。其中第一式稱作均值。其中第一式稱作均值方程，第二式稱作方程，第二式稱作ARCH方程。方程。n 2、

40、GRACH模型模型n ARCH模型中的第二式是關(guān)于模型中的第二式是關(guān)于 t2的分布滯后模型。為防止的分布滯后模型。為防止ut2的滯后項(xiàng)過多，的滯后項(xiàng)過多，可采用參與可采用參與 t2的滯后項(xiàng)的方法回想可逆性概念。對(duì)于第二式，可給出如的滯后項(xiàng)的方法回想可逆性概念。對(duì)于第二式，可給出如下方式，下方式，n t2 = 0 + 1 ut 1 2 + 1 t -12n 此模型稱為廣義自回歸條件異方差模型，用此模型稱為廣義自回歸條件異方差模型，用GARCH (1, 1) 表示。其中表示。其中ut 1稱為稱為ARCH項(xiàng)，項(xiàng)， t -1稱為稱為GARCH項(xiàng)。項(xiàng)。Page 30STATA從入門到精通從入門到精通n

41、在在Stata中中ARCH模型的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：模型的實(shí)現(xiàn)，是經(jīng)過如下根本命令來實(shí)現(xiàn)的：n arch depvar indepvars if in weight , optionsModel noconstant沒有常數(shù)項(xiàng) arch(numlist)ARCH 滯后階數(shù) garch(numlist)GARCH 滯后階數(shù) saarch(numlist)簡單非對(duì)稱 ARCH 模型 tarch(numlist)門限ARCH 模型 aarch(numlist)非對(duì)稱 ARCH模型 narch(numlist)非線性ARCH模型 narchk(numlist)帶有位移的非線性ARCH模型

42、 abarch(numlist)絕對(duì)值A(chǔ)RCH 模型 atarch(numlist)絕對(duì)門限ARCH模型 sdgarch(numlist)garch項(xiàng)的滯后項(xiàng) earch(numlist)Nelsons EGARCH 模型的信息項(xiàng)egarch(numlist)log（garch）的滯后項(xiàng) parch(numlist)冪ARCH 模型 tparch(numlist)門限冪 ARCH模型 aparch(numlist)非對(duì)稱冪ARCH 模型 nparch(numlist)非線性冪ARCH 模型 nparchk(numlist)帶有位移的非線性冪 ARCH 模型 pgarch(numlist)冪 GARCH 模型 constraints(constraints)線性約束Model 2archm均值方程加入方差項(xiàng)archmlags(numlist)均值方程加入滯后階數(shù) archmexp(exp)將exp轉(zhuǎn)換為ARCH-IN-MEAN的形式arima(#p, #d, #q)ARIMA(p,d,q) 模型ar(numlist)ar模型 ma(numlist)ma模型Model 3 het(varlist)條件方差估計(jì)中帶有外生變