时间序列分析STATA 第三课.docVIP

第三课：ARMA/ARIMA建模及预测 核心问题：1，前提：同方差，因此，不用考虑不同时刻变量的离散性； 2，建立的是变量分布的均值模型， 也就是，随机变量分布的均值所在的位置 3，难点在于，时间序列数据建立模型并没有唯一性 以quarterly.dta的数据来说明。这个数据是美国的季度GDP数据，数据从1947年一季度开始，到2012年一季度结束。研究对象，GDP，存在通货膨胀问题。所以要用GDP平减指数（GDP Deflator）进行矫正，这里是以2005年的美元作为基准的。所以考察变量是GDP2005，即以2005年的美元作为基准的各季度的GDP真实值。 一，一些基本符号： D L F 二，建立模型： 　　　　　　前期准备：观察时序图 相关命令：tsset, tsline/twoway 从图上可以看出，GDP2005值呈线性的向右上方倾斜， 第一种方法： 可以用确定性分析理的方法，使用研究变量对时间变量进行回归 即：regress lrgdp date （采用的是最小二乘估计） 然后对残差项进行White Noise检验 观察此图：特征大值跟大值，小值跟小值，这说明Residual中存在着自相关信息。肯定不是White Noise 因此，从这里看出，确定性的方法比较直