时间序列stata资料.pdfVIP

时间序列模型 结构模型虽然有助于人们理解变量之间的影响关系，但模型的预测精度比较 低。在一些大规模的联立方程中，情况更是如此。而早期的单变量时间序列模型 有较少的参数却可以得到非常精确的预测，因此随着Box and Jenkins(1984)等 奠基性的研究，时间序列方法得到迅速发展。从单变量时间序列到多元时间序列 模型，从平稳过程到非平稳过程，时间序列分析方法被广泛应用于经济、气象和 过程控制等领域。本章将介绍如下时间序列分析方法，ARIMA 模型、ARCH 族模型、 VAR 模型、VEC 模型、单位根检验及协整检验等。 一、基本命令 1.1 时间序列数据的处理 1)声明时间序列：tsset 命令 use gnp96.dta, clear list in 1/20 gen Lgnp = L.gnp tsset date list in 1/20 gen Lgnp = L.gnp 2)检查是否有断点：tsreport, report use gnp96.dta, clear tsset date tsreport, report drop in 10/10 list in 1/12 tsreport, report tsreport, report list /*列出存在断点的样本信息*/ 3)填充缺漏值：tsfill tsfill tsreport, report list list in 1/12 4)追加样本：tsappend use gnp96.dta, clear tsset date list in -10/-1 sum tsappend , add(5) /*追加5 个观察值*/ list in -10/-1 sum 1 5)应用：样本外预测: predict reg gnp96 L.gnp96 predict gnp_hat list in -10/-1 6)清除时间标识: tsset, clear tsset, clear 1.2 变量的生成与处理 1)滞后项、超前项和差分项 help tsvarlist use gnp96.dta, clear tsset date gen Lgnp = L.gnp96 /*一阶滞后*/ gen L2gnp = L2.gnp96 gen Fgnp = F.gnp96 /*一阶超前*/ gen F2gnp = F2.gnp96 gen Dgnp = D.gnp96 /*一阶差分*/ gen D2gnp = D2.gnp96 list in 1/10 list in -10/-1 2)产生增长率变量: 对数差分 gen lngnp = ln(gnp96) gen growth = D.lngnp gen growth2 = (gnp96-L.gnp96)/L.gnp96 gen diff = growth - growth2 /*表明对数差分和变量的增长率差别很小*/ list date gnp96 lngnp growth* diff in 1/10 1.3 日期的处理 日期的格式 help tsfmt 基本时点：整数数值，如 -3, -2, -1, 0, 1, 2, 3 1960 年1 月1 日，取值为 0； 2 显示格式： 定义 含义 默认格式 %td 日 %tdDlCY %tw 周 %twCY!ww %tm