運用stata進行時間序列分析

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

2、以單獨作為一元線性回歸模型中的解釋變量，也可廣泛的應用，它可以單獨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解釋變量，其對應的回歸系數(shù)表示被以作多元線性回歸模型中的一個解釋變量，其對應的回歸系數(shù)表示被解釋變量隨時間變化的變化趨勢，時間變量也經(jīng)常用在預測模型中。解釋變量隨時間變化的變化趨勢，時間變量也經(jīng)常用在預測模型中。Page 3STATA從入門到精通從入門到精通11.1.1 定義時間序列定義時間序列在在stata中的實現(xiàn)中的實現(xiàn)n 在進行時間序列的分析之前，首先要定義變量為時間序列數(shù)據(jù)。只有定義之在進行時間序列的分析之前，首先要定義變量為時間序列數(shù)據(jù)。只有定義之后，才

3、能對變量使用時間序列運算符號，也才能使用時間序列分析的相關(guān)命后，才能對變量使用時間序列運算符號，也才能使用時間序列分析的相關(guān)命令。定義時間序列用令。定義時間序列用tsset命令，其基本命令格式為：命令，其基本命令格式為：n tsset timevar , options n 其中，其中， timevar為時間變量。為時間變量。Options分為兩類，或者定義時間單位，或者分為兩類，或者定義時間單位，或者定義時間周期（即定義時間周期（即timevar兩個觀測值之間的周期數(shù)）。兩個觀測值之間的周期數(shù)）。Options的相關(guān)描述的相關(guān)描述如表如表11-1所示。所示。Page 4STATA從入門到精通

4、從入門到精通n注：（注：（1）units表示時間單位，對于表示時間單位，對于%tc，允許的時間單位包括：，允許的時間單位包括：second、seconds、secs、secs、minutes、minute、mine、min、hours、hour、days、weeks、week。對于其他。對于其他%t的格式，的格式，Stata自動自動獲得其時間單位，獲得其時間單位，delta選項經(jīng)常與選項經(jīng)常與%tc格式一起使用。格式一起使用。時間單位時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 00:00:00.0

5、01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，

6、依次后推。harfyearlytimevar的格式為%th，0=1960h1，1=1960h2；即0為從1960起的第一個半年，1為從1960年起第二個半年，依次后推。yearlytimevar的格式為%ty，1960=1960，1961=1960generictimevar的格式為%tgformat(%fmt)用戶定義的其他時間周期時間周期 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

7、注（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 可以通過以下三種方式來定義時間序列。例如，想要生成格式為可以通過以下三種方式來定義時間序列。例如，想要生成格式為%td的時間序列，并定義該時間序列為的時間序列，并定義該時間序列為t，則可以用以下三種方法：，則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】使用】使用文件文件“cpi.dta

8、”的數(shù)據(jù)來對的數(shù)據(jù)來對tsset命令的應用進行說命令的應用進行說明。該例子是我國明。該例子是我國1983年年1月年至月年至2007年年8月的居民消費價格指數(shù)月的居民消費價格指數(shù)CPI。部分數(shù)據(jù)如表。部分數(shù)據(jù)如表11-2所示：所示：n 表表11-2 我國居民消費價格指數(shù)我國居民消費價格指數(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 對時間序列進行修勻?qū)r間序列進行修勻n 時間序列的形成

9、是各種不同的因素對事物的發(fā)展變化共同起作用的結(jié)時間序列的形成是各種不同的因素對事物的發(fā)展變化共同起作用的結(jié)果。這些因素概括起來可以歸納為四類：長期趨勢因素、季節(jié)變動因果。這些因素概括起來可以歸納為四類：長期趨勢因素、季節(jié)變動因素、循環(huán)變動因素和不規(guī)則變動因素。素、循環(huán)變動因素和不規(guī)則變動因素。n 時間序列構(gòu)成分析就是要觀察現(xiàn)象在一個相當長的時期內(nèi)，由于各個時間序列構(gòu)成分析就是要觀察現(xiàn)象在一個相當長的時期內(nèi)，由于各個影響因素的影響，使事物發(fā)展變化中出現(xiàn)的長期趨勢、季節(jié)變動、循影響因素的影響，使事物發(fā)展變化中出現(xiàn)的長期趨勢、季節(jié)變動、循環(huán)變動和不規(guī)則變動。環(huán)變動和不規(guī)則變動。n 通過測定和分析過去

10、一段時間之內(nèi)現(xiàn)象的發(fā)展趨勢，可以認識和掌握通過測定和分析過去一段時間之內(nèi)現(xiàn)象的發(fā)展趨勢，可以認識和掌握現(xiàn)象發(fā)展變化的規(guī)律性，為統(tǒng)計預測提供必要的條件，同時也可以消現(xiàn)象發(fā)展變化的規(guī)律性，為統(tǒng)計預測提供必要的條件，同時也可以消除原有時間序列中長期趨勢的影響，更好地研究季節(jié)變動和循環(huán)變動除原有時間序列中長期趨勢的影響，更好地研究季節(jié)變動和循環(huán)變動等問題。測定和分析長期趨勢的主要方法是對時間序列進行修勻等問題。測定和分析長期趨勢的主要方法是對時間序列進行修勻。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，運用粗糙部分，運用Stata進行修勻使用進行修勻使用ts

11、smooth命令，其基本命令，其基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】繼續(xù)使用

12、】繼續(xù)使用上例上例的數(shù)據(jù)來對的數(shù)據(jù)來對tssmooth命令的應用進行說明。命令的應用進行說明。在本例中對該組數(shù)據(jù)進行修勻，以便消除不規(guī)則變動的影響，得到時在本例中對該組數(shù)據(jù)進行修勻，以便消除不規(guī)則變動的影響，得到時間序列長期趨勢，本例修勻的方法是利用之前的間序列長期趨勢，本例修勻的方法是利用之前的1個月和之后的個月和之后的2個月個月及本月進行平均。及本月進行平均。Page 10STATA從入門到精通從入門到精通11.2 ARIMA模型的估計、單位根與協(xié)整模型的估計、單位根與協(xié)整n 時間序列模型一般分為四類，分別是自回歸過程、移動平均過程、自時間序列模型一般分為四類，分別是自回歸過程、移動平均過

13、程、自回歸移動平均過程、單整自回歸移動平均過程。回歸移動平均過程、單整自回歸移動平均過程。n 1、 自回歸過程自回歸過程n 如果一個剔出均值和確定性成分的線性過程可表達為如果一個剔出均值和確定性成分的線性過程可表達為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，則稱是白噪聲過程，則稱xt為為p階自回歸過程，階自回歸過程，用用AR(p)表示。表示。xt是由它的是由它的p個滯后變量的加權(quán)和以及個滯后變量的加權(quán)和以及ut相加而成。相加而成。n 2、移動平均過程、移動平均過程n 如果一個剔

14、出均值和確定性成分的線性隨機過程可用下式表達如果一個剔出均值和確定性成分的線性隨機過程可用下式表達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，則上式稱為為白噪聲過程，則上式稱為q階移動平均過階移動平均過程，記為程，記為MA(q) 。Page 11STATA從入門到精通從入門到精通n 3、自回歸移動平均過程、自回歸移動平均過程n 由自回歸和移動平均兩部分共同構(gòu)成的隨機過程稱為自回歸移動平均過程，由自回歸和移動平均兩部分共同構(gòu)成的隨機過程稱為自回歸移動平均過程，記為記為ARMA(p, q)

15、, 其中其中p, q分別表示自回歸和移動平均部分的最大階數(shù)。分別表示自回歸和移動平均部分的最大階數(shù)。ARMA(p, q) 的一般表達式是的一般表達式是n xt = 1xt-1 + 2xt-2 + p xt-p + ut + 1ut-1 + 2 ut-2 + .+ q ut-qn 4、單整自回歸移動平均過程、單整自回歸移動平均過程n 對于對于ARMA過程（包括過程（包括AR過程），如果特征方程過程），如果特征方程 (L) = 0 的全部根取值在單的全部根取值在單位圓之外，則該過程是平穩(wěn)的；如果若干個或全部根取值在單位圓之內(nèi)，則位圓之外，則該過程是平穩(wěn)的；如果若干個或全部根取值在單位圓之內(nèi)，則該過

16、程是強非平穩(wěn)的。除此之外還有第三種情形，即特征方程的若干根取值該過程是強非平穩(wěn)的。除此之外還有第三種情形，即特征方程的若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。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。n 若若隨機過程隨機過程yt 經(jīng)過經(jīng)過d 次差分之后可變換為一個以次差分之后可變換為一個以 (L)為為p階自回歸算子，階自回歸算子， (L)為為q階移動平均算子的平穩(wěn)、可逆的隨機過程，則稱階移動平均算子的平穩(wěn)、可逆的隨機過程，則稱yt 為（為（p, d, q）階單）階單整整(單積單積)自回歸移動平均過程，記為自回歸移動平均過程，記為ARIMA (p, d,

17、q)。Page 12STATA從入門到精通從入門到精通11.2.1 時間序列時間序列相關(guān)性相關(guān)性檢驗的檢驗的stata實現(xiàn)實現(xiàn)n 在進行在進行arima分析前，對序列的特征應該有相應的了解。包括自相關(guān)分析前，對序列的特征應該有相應的了解。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)計量。統(tǒng)計量。n 自相關(guān)刻畫它序列自相關(guān)刻畫它序列 的鄰近數(shù)據(jù)之間存在多大程度的相關(guān)性。的鄰近數(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)而不考慮期間距的相關(guān)而不考慮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)計量的原假設是：序列不存在統(tǒng)計量的原假設是：序列不存在p階

18、自相關(guān)；備選假設為：序列階自相關(guān)；備選假設為：序列存在存在p階自相關(guān)。階自相關(guān)。n 在在Stata中實現(xiàn)相關(guān)性檢驗的基本命令格式如下所示：中實現(xiàn)相關(guān)性檢驗的基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（做偏自相關(guān)圖）：（做偏自相關(guān)圖）：n pac varname if in , pac_optionsPage 13

19、STATA從入門到精通從入門到精通n 以上三個命令格式的選項的相關(guān)描述分別如表以上三個命令格式的選項的相關(guān)描述分別如表11-5、11-6、11-7所示：所示：n表表11-5 corrgram_options的相關(guān)描述的相關(guān)描述 表表11-6 ac_options的相關(guān)描述的相關(guān)描述表表11-7 ac_options的相關(guān)描述的相關(guān)描述主要選項主要選項描述描述lags(#)*滯后階數(shù)noplot不進行作圖yw通過Yule-Walker方程組，計算偏自相關(guān)PAC主要選項主要選項描述描述lags(#)*滯后階數(shù)generate(newvar)生成新變量，默認不做圖level(#)置信度，默認95%f

20、ft通過傅里葉轉(zhuǎn)化計算AC主要選項主要選項描述描述lags(#)*滯后階數(shù)generate(newvar)level(#)生成新變量，默認不做圖置信度，默認95%yw通過Yule-Walker方程組，計算偏自相關(guān)PACPage 14STATA從入門到精通從入門到精通n 【例【例11.3】使用表】使用表11-8的數(shù)據(jù)來對的數(shù)據(jù)來對Stata中自相關(guān)與偏自相關(guān)的應用進行說明。中自相關(guān)與偏自相關(guān)的應用進行說明。該數(shù)據(jù)給出了中國該數(shù)據(jù)給出了中國1953-1984年的國民生產(chǎn)總值年的國民生產(chǎn)總值GNP、私人國內(nèi)總投資、私人國內(nèi)總投資I、GNP的隱性價格折算因子的隱性價格折算因子P（以（以1972為基期）

21、、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。在本例中我們對本例中我們對GNP時間序列進行分析，觀察期相關(guān)圖和自相關(guān)圖，從而得到時間序列進行分析，觀察期相關(guān)圖和自相關(guān)圖，從而得到GNP時間序列的類型。時間序列的類型。部分部分數(shù)據(jù)說明數(shù)據(jù)說明下下表所示。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的隱性的隱性價格折算因價格折算因子（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1953623.685.30.5882.521954616.183.10.5961.591955657.5103.80.6082.191956671.6102.60.6283.3

22、11957683.8970.6493.821958680.987.50.662.471959721.71080.6763.96Page 15STATA從入門到精通從入門到精通11.2.2 時間序列穩(wěn)定時間序列穩(wěn)定性性檢驗的檢驗的stata實現(xiàn)實現(xiàn)n 檢驗序列的平穩(wěn)性，可以用檢驗序列的平穩(wěn)性，可以用phillips-perron檢驗，檢驗，dickey-fuller檢驗，檢驗，以及應用以及應用GLS擴展的擴展的dickey-fuller檢驗。其基本命令格式如下：檢驗。其基本命令格式如下：n 命令格式命令格式1（dickey-fuller檢驗）：檢驗）：n dfuller varname if i

23、n ,optionn 命令格式命令格式2（GLS擴展的擴展的dickey-fuller檢驗）：檢驗）：n dfgls varname if in , optionsn 命令格式命令格式3（phillips-perron檢驗）：檢驗）：n pperron varname if in , optionsn 以上三個命令格式的選項的相關(guān)描述分別如表以上三個命令格式的選項的相關(guān)描述分別如表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檢驗檢驗options的相關(guān)描述的相關(guān)描述n 表表11-11 GLS擴展的擴展

24、的dickey-fuller檢驗檢驗options的相關(guān)描述的相關(guān)描述n 表表11-12 phillips-perron檢驗檢驗檢驗檢驗options的相關(guān)描述的相關(guān)描述主要選項主要選項描述描述noconstant沒有截據(jù)項trend包括時間趨勢drift包括漂移項regress 顯示回歸結(jié)果lags(#) 滯后階數(shù)主要選項主要選項描述描述maxlag(#)最大滯后階數(shù)notrend沒有時間趨勢ers利用插值法計算臨界值主要選項主要選項描述描述noconstant沒有截據(jù)項trendregress 有趨勢項顯示回歸結(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)使用】繼續(xù)使用上例的上例的數(shù)據(jù)來對數(shù)據(jù)來對Stata中平穩(wěn)性檢驗的相關(guān)應用中平穩(wěn)性檢驗的相關(guān)應用進行說明。這里要求使用進行說明。這里要求使用dickey-fuller檢驗、檢驗、GLS擴展的擴展的dickey-fuller檢驗和檢驗和phillips-perron檢驗三種方法，對檢驗三種方法，對GNP的一階差分進行的一階差分進行平穩(wěn)性檢驗。平穩(wěn)性檢驗。Page 18STATA從入門到精通從入門到精通11.2.3 ARIMA模型模型的的stata實現(xiàn)實現(xiàn)n 時間序列的自回歸移動平均法可是通過使用時間序列的自回歸移動平均法可是通過使用arima命令來實現(xiàn)。其基本命命令來實現(xiàn)

26、。其基本命令格式如下：令格式如下：n arima depvar indepvars if in weight , optionsn 在使用在使用arima模型前，需要先檢驗數(shù)據(jù)的平穩(wěn)性和相關(guān)性，然后經(jīng)過判斷才能使用。模型前，需要先檢驗數(shù)據(jù)的平穩(wěn)性和相關(guān)性，然后經(jīng)過判斷才能使用。主要選項主要選項描述描述noconstant沒有截據(jù)項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】使用表】使用表11-14的數(shù)據(jù)來對的數(shù)據(jù)來對Stata中中ARIMA模型的相關(guān)應用模型的相關(guān)應用進行說明。該表給出了某地區(qū)每年的年度總?cè)丝跀?shù)。進行說明。該表給出了某地區(qū)每年的年度總?cè)丝跀?shù)。部分部分數(shù)據(jù)如數(shù)據(jù)如下下：年份年份年底總?cè)丝跀?shù)年底總?cè)丝跀?shù)(萬人萬人)194954167195055196195156300195257482195358796195460266195561465195662828195764653

28、195865994195967207Page 20STATA從入門到精通從入門到精通11.3 VAR與與VEC模型模型的估計及解釋的估計及解釋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)選擇的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：模型階數(shù)選擇的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：n depvarlist if in , preestimation_options主要選項主要選項描述描述maxlag(#)最高滯后階數(shù); 默認是滯后4期exog(varlist)外生變量constraints(constraints)對外生變量的線性約束noconstant 沒有常數(shù)項l

29、evel(#) 置信度，默認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模型的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：模型的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：n var depvarlist if in , options主要選項主要選項描述描述模型1noconstant 沒有常數(shù)項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小

30、樣本t,f統(tǒng)計量報告結(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)性條件考察、平穩(wěn)性條件考察n 在在Stata中中VAR模型平穩(wěn)性條件考察的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：模型平穩(wěn)性條件考察的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：n varstable , options主要選項主要選項描述描述estimates(estname)考察VAR（estname）的平穩(wěn)性graph對伴隨矩陣的特征值作圖dlabel將特征值標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、殘差的正態(tài)性和自相關(guān)檢驗n 在在Sta

31、ta中中VAR模型殘差的正態(tài)性和自相關(guān)檢驗的實現(xiàn)，是通過如下基本命模型殘差的正態(tài)性和自相關(guān)檢驗的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：令來實現(xiàn)的：n varnorm , options主要選項主要選項描述描述jbera statistics Jarque-Bera 統(tǒng)計量skewness偏度kurtosis峰度estimates(estname)cholesky 已估計的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、格蘭杰因果檢驗n 在在Stata中中VAR模型格蘭杰因果檢驗的實現(xiàn)，是通過如下基本命令來模型

32、格蘭杰因果檢驗的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：實現(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（1）irf文件的創(chuàng)建、顯示、激活和清除文件的創(chuàng)建、顯示、激活和清除nVAR模型脈沖分析的實現(xiàn)，首先是要創(chuàng)建模型脈沖分析的實現(xiàn)，首先是要創(chuàng)建irf文件。在文件。在Stata中是通過如下基本命令來實現(xiàn)的：中是通過如下基本命令來實現(xiàn)的：n命令格式命令格式1（VAR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2（SVAR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3（VEC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，顯示處于當下活動狀態(tài)的文件之后，顯示處于當下活動狀態(tài)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清除活動的清除活動的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

34、選項主要選項描述描述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) 以估計的VAR名稱Page 26STATA從入門到精通從入門到精通n （2）Irf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)描述的相關(guān)描述 options的相關(guān)描述的相關(guān)描述主要選項主要選項描述描述irf irfoirf正交irfdm動態(tài)乘子cirf 累計irfcoirf 累計正交irfcdm累計同臺乘

35、子fevdCholesky 方差分解sirf結(jié)構(gòu)IRFsfevd結(jié)構(gòu) Cholesky 方差分解主要選項主要選項描述描述set(filename) 使文件激活irf(irfnames)IRF 結(jié)果名稱impulse(impulsevar)脈沖變量response(endogvars)響應變量Page 27STATA從入門到精通從入門到精通n 6 johansen檢驗檢驗n 當變量之間同階單整時，可以運用當變量之間同階單整時，可以運用johansen檢驗查看變量之間是否協(xié)整。檢驗查看變量之間是否協(xié)整。Stata中中VAR模型模型johansen檢驗的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：檢驗的實現(xiàn)，

36、是通過如下基本命令來實現(xiàn)的：n vecrank depvar if in , options 主要選項主要選項描述描述lags(#) VAR模型的最高滯后階數(shù)trend(constant)VAR模型有常數(shù)項，協(xié)整方程有常數(shù)項trend(rconstant)VAR模型有常數(shù)項，協(xié)整方程無常數(shù)項trend(trend)VAR模型有趨勢項，協(xié)整方程有趨勢項trend(rtrend)VAR模型有趨勢項，協(xié)整方程無趨勢項trend(none)VAR模型無常數(shù)項，協(xié)整方程無常數(shù)項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、

37、狹義貨幣供應量、狹義貨幣供應量M1經(jīng)過修勻后的數(shù)據(jù)。經(jīng)過修勻后的數(shù)據(jù)。其中狹義貨幣供應量增長率經(jīng)過其中狹義貨幣供應量增長率經(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2007年年12月。本例中將要建立一個關(guān)月。本例中將要建立一個關(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，部分數(shù)據(jù)如表模型，部分數(shù)據(jù)如表11-23所示：所示：monthyearm1sarcpisar119940.190123392 20.93511929 12.24219940

38、.166035575 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的估計及解釋的估計及解釋n 1、

39、ARCH模型模型n 若一個平穩(wěn)隨機變量若一個平穩(wěn)隨機變量xt可以表示為可以表示為AR(p) 形式，其隨機誤差項的方差可用誤形式，其隨機誤差項的方差可用誤差項平方的差項平方的q階分布滯后模型描述，階分布滯后模型描述，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 則稱則稱ut 服從服從q階的階的ARCH過程，記作過程，記作ut ARCH (q)。其中。其中第一第一式稱作均值方式稱作均值方程，程，第二第二式稱作式稱作ARCH方程。方程。n 2、

40、GRACH模型模型n ARCH模型中的第二式模型中的第二式是關(guān)于是關(guān)于 t2的分布滯后模型。為避免的分布滯后模型。為避免ut2的滯后項過多，的滯后項過多，可采用加入可采用加入 t2的滯后項的方法（回憶可逆性概念）。對于的滯后項的方法（回憶可逆性概念）。對于第二第二式，可給出如式，可給出如下形式，下形式，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稱稱為為ARCH項，項， t -1稱為稱為GARCH項。項。Page 30STATA從入門到精通從入門到

41、精通n 在在Stata中中ARCH模型的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：模型的實現(xiàn)，是通過如下基本命令來實現(xiàn)的：n arch depvar indepvars if in weight , optionsModel noconstant沒有常數(shù)項 arch(numlist)ARCH 滯后階數(shù) garch(numlist)GARCH 滯后階數(shù) saarch(numlist)簡單非對稱 ARCH 模型 tarch(numlist)門限ARCH 模型 aarch(numlist)非對稱 ARCH模型 narch(numlist)非線性ARCH模型 narchk(numlist)帶有位移的非線性AR

42、CH模型 abarch(numlist)絕對值A(chǔ)RCH 模型 atarch(numlist)絕對門限ARCH模型 sdgarch(numlist)garch項的滯后項 earch(numlist)Nelsons EGARCH 模型的信息項egarch(numlist)log（garch）的滯后項 parch(numlist)冪ARCH 模型 tparch(numlist)門限冪 ARCH模型 aparch(numlist)非對稱冪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)條件方差估計中帶有外生變