时间序列模型解析总结计划的各种stata命令.docxVIP

时间序列模型分析的各种 stata 命令 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 声明时间序列： tsset 命令 use gnp96.dta, clear list in 1/20 gen Lgnp = L.gnp tsset date 时间序列模型分析的各种 stata 命令 list in 1/20 gen Lgnp = L.gnp 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 */ 填充缺漏值： tsfill tsfill tsreport, report list list in 1/12 时间序列模型分析的各种 stata 命令 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 应用：样本外预测 : predict reg gnp.gnp96 predict gnp_hat list in -10/-1 清除时间标识 : tsset, clear tsset, clear 时间序列模型分析的各种 stata 命令 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 产生增长率变量 : 对数差分 gen lngnp = ln(gnp96) 时间序列模型分析的各种 stata 命令 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 .... ，取值为 0 ； 显示格式： 定义 含义 默认格式 %td 日 %tdDlCY %tw 周 %twCY!ww %tm 月 %tmCY!mn %tq 季度 %tqCY!qq %th 半年 %thCY!hh %ty 年 %tyCY 时间序列模型分析的各种 stata 命令 1）使用 tsset 命令指定显示格式 use B6_tsset.dta, clear tsset t, daily list use B6_tsset.dta, clear tsset t, weekly list 指定起始时点 cap drop month generate month = m(1990-1) + _n - 1 format month %tm list t month in 1/20 cap drop year 时间序列模型分析的各种 stata 命令 gen year = y(1952) + _n - 1 format year %ty list t year in 1/20 3）自己设定不同的显示格式 日期的显示格式 %d (%td) 定义如下： %[-][t]d 描述特定的显示格式 具体项目 xx： “描述特定的显示格式 ”中可包含如下字母或字符 c y m l n d j