stata一階自回歸線性插值

16.1（同比增長％）17.7（同比增長％）步驟：1、 用命令tssetyear設(shè)置年份為時(shí)間變量2、 用命令tslinex可以繪制x對(duì)時(shí)間的折線圖如下圖所示：UiLGraph-Graph可以看出x的時(shí)間趨勢(shì)近似為線性，用命令genlnx=log（x）對(duì)x取對(duì)數(shù)，再用命令tslinelnx20142010 2012yearFileEditObject■GraphToolsHelp繪制lnx的時(shí)間趨勢(shì)圖，如下圖所示1此Graph-Graph用命令gendlnx=D.lnx，即dlnx為lnx的一階差分，用一階自回歸模型（AR（1））預(yù)測未來值：regdlnxl.dlnxifyear<2016,r結(jié)果如下：LinearregressionNumber□￡ots=7F(lrS)=0.35Erot>F=0.5773R-sqaared二0.0776RootMSE=.12708Robust3匚以.Err.t P>|t|dimeLl.?290355?4B745440.600.577-.96268631.543396cons.1457074.13512821.080.330-.2016507.4930655p值非常大，即很不顯著，這個(gè)擬合方程不能預(yù)測未來的x（可能和x和lnx都不是指數(shù)趨

勢(shì)有關(guān)，做差分和滯后損失樣本數(shù)據(jù)太多，本來樣本數(shù)據(jù)就少，導(dǎo)致不顯著）。再用lnx的一階自回歸模型計(jì)算一遍：reglnxl.lnxifyear<2016,r，得到結(jié)果如下：顯著性比dlnx好多了，.reqInz1.Inzifv已己r<2016,rLinearregressioiiMma±>erofai>s=8=195.35Frat>F=0.0000R-Btj'j.ared=0.9S32RootMSE=.1153&1D.KCoef.EtobnstStd..Err.tF>|t|:35%Sonf.Interval；1TLMZL..357^113.0€B514213.9Sc.coc1.12525?cons.5524894.58978950.940.3858^Dfi7351.995652再用x的一階自回歸模型即x=0+0x+8做OLS回歸：regxl.xifyear<2016,r，結(jié)果t0 1t-1 t如下：rags:1.s:ifyear<20161rLinearNunibex□￡oLs8FL6>=329.71Prob>F=0.0000R-squared=0.D69DRqqGmse=527.9KRobustP>lt|[95^Conf.Interval]Co&f.5td.Err.tKLl.1.077286.05S328410.160.000.93211451.222457acrns5S5.4054375.37251.550.171-338.S8271517.701這個(gè)估計(jì)結(jié)果更好，可得估計(jì)方程為：f=589.4094+1.077286x】用命令predictxh顯示擬合值（將擬合值記為xh），如下圖所示:

year1-LIttkdlrucxh.20071880.SI7.53929S2ieso_5i2008Z198.287.69543052138.28T— ?J?..T-n,?.-Jbt!±dj￡.Z￡2615.25€4￡009Z344.337.75975432344-33-064324412957-565C2Q1Q3320.21S.1077S33.34日日跆3320114521.948.41S=S9644521-94=.3089130741SS.225琵g.57a.7541555335.575450.S31S20127S73.378.93239347E72.27.138320148434.S99.04009S48434.59-1077029S8748.094€201S9425.24924=.111050093675.8743Z01€115B49.357377511583.97.2062310510743.088可以看出xh’高估了x,用上述估計(jì)方程計(jì)算2017年的預(yù)測值為:dis589.409