與時(shí)間序列相關(guān)的STATA_第1頁(yè)
與時(shí)間序列相關(guān)的STATA_第2頁(yè)
與時(shí)間序列相關(guān)的STATA_第3頁(yè)
與時(shí)間序列相關(guān)的STATA_第4頁(yè)
與時(shí)間序列相關(guān)的STATA_第5頁(yè)
已閱讀5頁(yè),還剩3頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、與時(shí)間序列相關(guān)的STATA命令及其統(tǒng)計(jì)量的解析殘差U序列相關(guān):DW統(tǒng)計(jì)量一一針對(duì)一階自相關(guān)的(高階無(wú)效)STATA命令:先回歸直接輸入dwstat統(tǒng)計(jì)量如何看:查表Q統(tǒng)計(jì)量針對(duì)高階自相關(guān)correlogram-Q-statisticsSTATA命令:先回歸reg取出殘差predict u,residual(不要忘記逗號(hào))wntestq u Q統(tǒng)計(jì)量如何看:p值越?。ㄔ浇咏?) Q值越大一一表示存在自相關(guān)具體自相關(guān)的階數(shù)可以看自相關(guān)系數(shù)圖和偏相關(guān)系數(shù)圖:STATA命令:自相關(guān)系數(shù)圖:ac u( 殘差)或者窗口操作在 GraphicsTime-series graphscorrelogram(ac

2、)偏相關(guān)系數(shù)圖:pac u 或者窗 口操作在 GraphicsTime-series graphs(pac)自相關(guān)與偏相關(guān)系數(shù)以及Q統(tǒng)計(jì)量同時(shí)表示出來(lái)的方法:corrgram u或者是窗口操作在StatisticsTime-seriesGraphsAutocorrelations&Partial autocorrelationsLM統(tǒng)計(jì)量一一針對(duì)高階自相關(guān)STATA命令:先回歸reg直接輸入命令estate bgodfrey,lags(n)或者窗口操作在 StatisticsPostestimation(倒數(shù)第二個(gè)) Reports and Statistics(倒數(shù)第二個(gè)) 在里面選擇Bre

3、ush-Godfrey LM (當(dāng)然你在里面還可以找到方差膨脹因子還有DW統(tǒng)計(jì)量等常規(guī) 統(tǒng)計(jì)量)LM 統(tǒng)計(jì)量如何看:P值越小(越接近0)表示越顯著(顯著拒絕原假設(shè)),存在序列相關(guān)具體是幾階序列相關(guān),你可以把滯后期寫(xiě)為幾,當(dāng)然默認(rèn)是1,(通常的方法是先看圖,上 面說(shuō)的自相關(guān)和偏相關(guān)圖以及Q值,然后再利用LM肯定)。平穩(wěn)時(shí)間序列存在自相關(guān)的問(wèn)題的解決方案殘差出現(xiàn)序列相關(guān)的補(bǔ)救措施:1、一階自相關(guān):最近簡(jiǎn)單的方法是用AR(1)模型補(bǔ)救,就是在加一個(gè)殘差的滯后項(xiàng)即可。2、高階的自相關(guān):用AR(n)模型補(bǔ)救。AR模型的識(shí)別與最高階數(shù)的確定:可通過(guò)自相關(guān)系數(shù)來(lái)獲得一些有關(guān)AR(p)模型的信息,如低階AR(

4、p)模型系數(shù)符號(hào)的 信息。但是,對(duì)于自回歸過(guò)程AR(p),自相關(guān)系數(shù)并不能幫助我們確定AR(p)模型的階數(shù)p。 所以,可以考慮使用偏自相關(guān)系數(shù)pk,k,以便更加全面的描述自相關(guān)過(guò)程AR(p)的統(tǒng)計(jì)特征。且對(duì)于一個(gè)AR(p)模型舟k,k的最高階數(shù)為p,也即AR(p)模型的偏自相關(guān)系數(shù)是p階 截尾的。因此,可以通過(guò)識(shí)別AR(p)模型的偏自相關(guān)系數(shù)的個(gè)數(shù),來(lái)確定AR(p)模型的階數(shù) p,進(jìn)而設(shè)定正確的模型形式,并通過(guò)具體的估計(jì)方法估計(jì)出AR(p)模型的參數(shù)。如果AR(p)還解決不了則進(jìn)一步使用:MA(q)模型,以及ARMA(p,q膜型。1、MA(q)MA(q)的偏自相關(guān)系數(shù)的具體形式隨著q的增加變得

5、越來(lái)越復(fù)雜,很難給出一個(gè)關(guān)于 q的一般表達(dá)式,但是,一個(gè)MA(q)模型對(duì)應(yīng)于一個(gè)AR(-)模型。因此,MA(q)模型的偏 自相關(guān)系數(shù)一定呈現(xiàn)出某種衰減的形式是拖尾的。故可以通過(guò)識(shí)別一個(gè)序列的偏自相關(guān)系數(shù) 的拖尾形式,大致確定它應(yīng)該服從一個(gè)MA(q)過(guò)程。2、ARMA(p,q)就是既含有AR項(xiàng)又含有MA項(xiàng)。我們引入了自相關(guān)系數(shù)和偏自相關(guān)系數(shù)這兩個(gè)統(tǒng)計(jì)量來(lái)識(shí)別ARMA(p,q)模型的系數(shù)特 點(diǎn)和模型的階數(shù)。但是,在實(shí)際操作中,自相關(guān)系數(shù)和偏自相關(guān)系數(shù)是通過(guò)要識(shí)別序列的樣 本數(shù)據(jù)估計(jì)出來(lái)的,并且隨著抽樣的不同而不同,其估計(jì)值只能同理論上的大致趨勢(shì)保持一 致,并不能精確的相同。因此,在實(shí)際的模型識(shí)別中

6、,自相關(guān)系數(shù)和偏自相關(guān)系數(shù)只能作為 模型識(shí)別過(guò)程中的一個(gè)參考,并不能通過(guò)它們準(zhǔn)確的識(shí)別模型的具體形式。具體的模型形式, 還要通過(guò)自相關(guān)和偏自相關(guān)系數(shù)給出的信息,經(jīng)過(guò)反復(fù)的試驗(yàn)及檢驗(yàn),最終挑選出各項(xiàng)統(tǒng)計(jì) 指標(biāo)均符合要求的模型形式。注:無(wú)論采取什么樣的方式,只要能夠把殘差中的序列相關(guān)消除掉,又不會(huì)引入新的問(wèn) 題,這樣的模型就是最優(yōu)模型。與平穩(wěn)性檢驗(yàn)及其統(tǒng)計(jì)量解析(P212張曉炯)白噪聲檢驗(yàn):Q 檢驗(yàn) wntestq var, lag(n)Bartlett檢驗(yàn)wntestb var ,table (表示結(jié)果以列顯示,而不做圖。不加table就以圖形 的方式現(xiàn)實(shí))或者在 StatisticsTime-

7、seriesTESTBartlett 檢驗(yàn)(第四個(gè))畫(huà)密度圖:1、概率密度圖命令:pergram var ,generate(新變量名字)將概率密度的圖上所生成的值生成并儲(chǔ)存在新變 量里,這個(gè)不是必須的,只是為了日后方便。窗口: StatisticsTime-seriesGraphsPeriodogram(第五個(gè))累積分布函數(shù)圖命令:cumsp var ,generate(新變量名字)解釋同上,并且這個(gè)生成新變量的功能似乎只能通 過(guò)命令完成。窗口: StatisticsTime-seriesGraphsCumulative Spectral distribution單位根檢驗(yàn)(219)1、Di

8、ckey-Fuller 檢驗(yàn)命令:dfuller var (,lags(#)/trend/noconstant/regress/)對(duì)變量做ADF檢驗(yàn)可以加滯后期或趨勢(shì)項(xiàng)或不含常數(shù)項(xiàng)等等這些取決于你的模型。窗口: StatisticsTime-seriesTESTADF單位根檢驗(yàn)(第一個(gè))在里面你也可以選擇 滯后期數(shù),常數(shù)項(xiàng)等等。如何看結(jié)果:原假設(shè)為:至少存在一個(gè)單位根;備選假設(shè)為:序列不存在單位根。如果統(tǒng)計(jì)量小于后面的顯著性水平給出的值且P值很大一一有單位;如果統(tǒng)計(jì)量大于后面的顯著性水平給出的值且P值很小一一無(wú)單位根ADF檢驗(yàn)需要注意的地方:(1)必須為回歸定義合理的滯后階數(shù),通常采用AIC準(zhǔn)

9、則來(lái)確定給定時(shí)間序列模型的滯后 階數(shù)。在實(shí)際應(yīng)用中,還需要兼顧其他的因素,如系統(tǒng)的穩(wěn)定性、模型的擬合優(yōu)度等。(2)可以選擇常數(shù)和線性時(shí)間趨勢(shì),選擇哪種形式很重要,因?yàn)闄z驗(yàn)顯著性水平的t統(tǒng)計(jì) 量在原假設(shè)下的漸進(jìn)分布依賴于關(guān)于這些項(xiàng)的定義。如果在檢驗(yàn)回歸中含有常數(shù),意味著所檢驗(yàn)的序列的均值不為0,一個(gè)簡(jiǎn)單易行的辦法 是畫(huà)出檢驗(yàn)序列的曲線圖,通過(guò)圖形觀察原序列是否在一個(gè)偏離0的位谿隨機(jī)變動(dòng),進(jìn)而 決定是否在檢驗(yàn)時(shí)添加常數(shù)項(xiàng);如果在檢驗(yàn)回歸中含線性趨勢(shì)項(xiàng),意味著原序列具有時(shí)間趨勢(shì)。同樣,決定是否在檢驗(yàn) 中添加時(shí)間趨勢(shì)項(xiàng),也可以通過(guò)畫(huà)出原序列的曲線圖來(lái)觀察。如果圖形中大致顯示了被檢驗(yàn) 序列的波動(dòng)趨勢(shì)隨時(shí)

10、間變化而變化,那么便可以添加時(shí)間趨勢(shì)項(xiàng)。2、Phillips-Perron 檢驗(yàn)命令:pperron var , (,lags(#)/trend/noconstant/regress/)對(duì)變量做 PP 檢驗(yàn)可以加滯后期或趨 勢(shì)項(xiàng)或不含常數(shù)項(xiàng)等等這些取決于你的模型。窗口操作:StatisticsTime-seriesTESTPP 單位根檢驗(yàn)(第三個(gè))如何看結(jié)果:同ADF 一樣原假設(shè)為:至少存在一個(gè)單位根;備選假設(shè)為:序列不存在單位根。P值越小(統(tǒng)計(jì)量大于各顯著性水平值)一一不存在單位根P值越大(統(tǒng)計(jì)量小于各顯著性水平值)一一存在單位根向量自相關(guān)回歸VAR模型向量自回歸(VAR)模型是AR模型的多

11、元擴(kuò)展,用以反映在一個(gè)系統(tǒng)中的多個(gè)變量之間的 動(dòng)態(tài)影像,格蘭杰因果檢驗(yàn)、脈沖響應(yīng)、方差分解都是VAR模型中重要的分析工具。與VAR模型相關(guān)的STATA命令與解析1、VAR模型的估計(jì)STATA命令:var解釋變量 (,無(wú)常數(shù)項(xiàng)noconstant/滯后期lags(n)/外生變量 exog(varlist)/constraints(numlist 線 性約束的個(gè)數(shù)注意:使用線性約束要提前定義,詳情見(jiàn)建模中的各種小問(wèn)題/LIKEPOHL滯后階數(shù)選 擇的統(tǒng)計(jì)量lutstats)窗口操作:StatisticsMultivariate time seriesVAR(第二項(xiàng))如何看結(jié)果:保存估計(jì)結(jié)果的命令:

12、est store名稱VAR模型平穩(wěn)性STATA命令:varstable(, graph表示畫(huà)出圖形)如何看結(jié)果:特征值都在圓內(nèi),即都小于1,表示VAR模型穩(wěn)定窗口操作: StatisticsMultivariate time seriesVAR diagnostics and testscheckstability condition of VAR estimatesVAR階數(shù)的選擇一一滯后階數(shù)的確定在VAR模型中,正確的選擇模型的滯后階數(shù),對(duì)于模型的估計(jì)和協(xié)整檢驗(yàn)都產(chǎn)生一定的影 響,小樣本情況更是如此。STATA命令:用于VAR模型估計(jì)之前varsoc解釋變量(,沒(méi)有常數(shù)項(xiàng)noconsta

13、nt/最高滯后期maxlag(#)/外生變量exog(varlist)/ 線性約束條件 constraints(numlist)命令:用于模型估計(jì)之后解釋變量(,estimates(estname)其中,estname表示已經(jīng)估計(jì)的VAR模型的名字。(1)(2)如何看結(jié)果:找最顯著的階數(shù)作為其滯后項(xiàng)(一般會(huì)標(biāo)有濃) 命令:用于模型估計(jì)之后(Wald滯后排除約束檢驗(yàn))Varwle窗口操作:StatisticsMultivariate time seriesVAR diagnostics and tests第一第二項(xiàng)如何看結(jié)果:看不同階數(shù)上的聯(lián)合顯著性,看P值,越小越顯著,表示存在該階滯后項(xiàng)。殘差

14、的正態(tài)性與自相關(guān)檢驗(yàn)STATA命令:先進(jìn)行var回歸varnorm如何看結(jié)果:原假設(shè)是服從正態(tài)分布P值越小越顯著拒絕原假設(shè)一一不服從正態(tài)分布P值越大越不顯著拒絕,原假設(shè)成立一一服從正態(tài)分布自相關(guān):窗口操作:StatisticsMultivariate time seriesVAR diagnostics and testsLMTest正態(tài)分布:窗口操作:StatisticsMultivariate time seriesVAR diagnostics andtestsTest for normally 倒數(shù)第三項(xiàng))Granger因果關(guān)系檢驗(yàn)格蘭杰因果關(guān)系不同于我們平常意義上的因果關(guān)系,它是指一

15、個(gè)變量對(duì)于另外一個(gè)變量具有 延期影響。格蘭杰因果關(guān)系檢驗(yàn)有助于表明變量間的動(dòng)態(tài)影響,有助于提高模型的預(yù)測(cè)效果。命令格式:先進(jìn)行var再進(jìn)行格蘭杰因果檢驗(yàn)vargranger如何看結(jié)果:看P值的顯著性,越小說(shuō)明存在越強(qiáng)的因果關(guān)系,相反P值越大說(shuō)明兩者的 因果關(guān)系不明顯。窗口操作:StatisticsMultivariate time seriesGranger causality test脈沖響應(yīng)與方差分解(223)脈沖響應(yīng)與方差分解是一個(gè)問(wèn)題的兩個(gè)方面。脈沖響應(yīng)是衡量模型中的內(nèi)生變量對(duì)一個(gè)變量的脈沖(沖擊)做出的響應(yīng)一對(duì)多,一個(gè)變 量 向下所引起的其他變量的變動(dòng),而方差分解則是如何將一個(gè)變量的

16、響應(yīng)分解到模型中的內(nèi) 生變量多對(duì)一,一個(gè)變量的變動(dòng)向上追溯引起該變動(dòng)的若干原因。STATA 的 irf命令用于計(jì)算VAR、SVAR、VEC模型的脈沖響應(yīng)、動(dòng)態(tài)乘子和方差分解。注意:該方法的操作使用于var、svar、vec估計(jì)之后。(1)創(chuàng)建irf文件STATA命令:irf create irfname,set(名字)(先進(jìn)行var,然后使用這條命令就可以 直接把剛剛var的結(jié)果保存到該irf文件里,并且只有這條命令是最好用的,其他 命令即使可以建立irf文件但是不能把var的結(jié)果保存進(jìn)去,那也是沒(méi)用的。)激活irf文件顯示當(dāng)前處于活動(dòng)狀態(tài)的irf文件:STATA 命令:irf set激活(或

17、創(chuàng)建)irf文件:STATA命令:irf set文件名稱創(chuàng)建新的irf文件并替換正在活動(dòng)的irf文件:STATA 命令:irf set 文件名稱,replace清除所有活動(dòng)的irf文件:STATA 命令:irf set,clear窗口操作:StatisticsMultivariate time seriesManage IRF results and files(2)用irf文件作圖(223)對(duì)于VAR、SVAR、VEC模型,脈沖響應(yīng)函數(shù)(IRF)的類(lèi)型包括簡(jiǎn)單脈沖響應(yīng)、正交脈沖響 應(yīng)、動(dòng)態(tài)乘子三種,方差分解包括Cholesky分解和結(jié)構(gòu)分解兩種。沒(méi)種模型可以采用不同 的分析工具。窗口操作:S

18、tatisticsMultivariate time seriesIRF and FEVD analysis簡(jiǎn)單的 IRF:(VAR/SVAR/VEC 之后)命令:irf graph irf (,使用哪個(gè)文件set(文件名)/脈沖變量impulse(變量名)/響應(yīng)變量 response (內(nèi)生變量名)如果不加約束就是默認(rèn)當(dāng)前打開(kāi)的文件動(dòng)態(tài)乘子:(VAR之后)命令:irf graph dm (,使用哪個(gè)文件set(文件名)/脈沖變量 impulse(變量名)/響應(yīng)變量response (內(nèi)生變量名)方差分解:(VAR/SVAR/VEC之后)命令:irf graph fevd (,使用哪個(gè)文件se

19、t(文件名)/脈沖變量impulse(變量名)/響應(yīng)變量 response (內(nèi)生變量名)聯(lián)合圖表:將多個(gè)脈沖響應(yīng)圖或方差分解圖結(jié)合起來(lái))命令:irf cgraph (irfname脈沖變量響應(yīng)變量方差分解的方法fevd/IRF的方法irf) (irfname脈沖變量響應(yīng)變量IRF方法irf/方差分解的方法fevd)疊加圖表:(將多個(gè)脈沖響應(yīng)圖或方差分解圖疊加起來(lái))命令:irf ograph(irfname脈沖變量響應(yīng)變量方差分解的方法fevd/IRF的方法irf) (irfname脈沖變量響應(yīng)變量IRF方法irf/方差分解的方法fevd)Irf列表STATA命令:irf table IRF方

20、法irf/方差分解方法fevd聯(lián)合列表:(將多個(gè)脈沖響應(yīng)圖或方差分解列表結(jié)合起來(lái))命令:irf ctable (irfname脈沖變量響應(yīng)變量方差分解的方法fevd/IRF的方法irf) (irfname脈沖變量響應(yīng)變量IRF方法irf/方差分解的方法fevd)Irf其他命令 命令:irf describeirf describe,detail7. VAR模型的預(yù)測(cè)227窗口操作:StatisticsMultivariate time seriesDynamic forecast命令格式1(對(duì)于VAR、SVAR模型):fcast compute prefix命令格式2 (對(duì)于VECM模型):f

21、cast compute prefix對(duì)預(yù)測(cè)進(jìn)行作圖命令:fcast graph prefixvar(prefix 變量名)小結(jié)大概流程:估計(jì)VAR模型var y x zest store VAR1根據(jù)信息準(zhǔn)則確定VAR模型的最優(yōu)滯后結(jié)束,根據(jù)結(jié)果重新估計(jì)varsoc x z , maxlag(#)var *(全部變量,或者ln*所有的對(duì)數(shù)變量),lags(1/3)(比如最優(yōu)的滯后期為3,滯后 期 123)est store VAR2考察VAR模型的平穩(wěn)性varstable, estimates(VAR2) graph dlabel (畫(huà)圖并標(biāo)出具體數(shù)值)檢驗(yàn)VAR模型殘差的正態(tài)分布特征和自相

22、關(guān)特征varnorm, jbera estimates(VAR2)對(duì)各變量進(jìn)行Granger因果關(guān)系檢驗(yàn)vargranger (,estimates (VAR2)繪制脈沖響應(yīng)圖以及預(yù)測(cè)誤差方差分解var y x z,lags(1/3)irf create irfname, set (名稱)irf graph irf (, estimates (名稱)irf table fevd(, estimates (名稱)/預(yù)測(cè)區(qū)間n8step(n)根據(jù)VAR模型的估計(jì)結(jié)果進(jìn)行預(yù)測(cè)預(yù)測(cè)n期(n8)fcast compute prefix(, step(n)fcast compute f_(, step(n)將VAR模型與IRF相結(jié)合的窗口操作:StatisticsMultivariate time seriesBasic VAR約翰遜協(xié)整檢驗(yàn)協(xié)整檢驗(yàn)是對(duì)非平穩(wěn)變量進(jìn)行回歸的必要前提。只有存在協(xié)整關(guān)系,協(xié)整回歸才有意義。在各種協(xié)整檢驗(yàn)方法中,Johansen(1998)在 VAR框架下的特征值檢驗(yàn)和跡檢驗(yàn)應(yīng)用最為普通。命令格式為:vecrank var1 var2 (,lag(n),trend

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論