stata操作介绍之时间序列分析.ppt

时间序列分析 一、 基本时间序列模型的估计 在许多情况下，人们用时间序列的观测时期代表的时间作为模型的解释变量，用来表示被解释变量随时间的自发变化趋势。这种变量称为时间变量，也叫做趋势变量。 时间变量通常用t表示，其在用时间序列构建的计量经济模型中得到广泛的应用，它可以单独作为一元线性回归模型中的解释变量，也可以作多元线性回归模型中的一个解释变量，其对应的回归系数表示被解释变量随时间变化的变化趋势，时间变量也经常用在预测模型中。 1、 定义时间序列在stata中的实现 在进行时间序列的分析之前，首先要定义变量为时间序列数据。只有定义之后，才能对变量使用时间序列运算符号，也才能使用时间序列分析的相关命令。定义时间序列用tsset命令，其基本命令格式为： tsset timevar [, options] 其中， timevar为时间变量。Options分为两类，或者定义时间单位，或者定义时间周期（即timevar两个观测值之间的周期数）。Options的相关描述如表1所示。 注：（1）units表示时间单位，对于%tc，允许的时间单位包括：second、seconds、secs、secs、minutes、minute、mine、min、hours、hour、days、weeks、week。对于其他%t的格式，Stata自动获得其时间单位，delta选项经常与%tc格式一起使用。 时间单位 格式说明 Clocktime timevar的格式为%tc, 0=1jan1960 00:00:00.000，1=1jan1960 00:00:00.001 即0代表1960年1月1日的第一秒，1为1960年1月1日的第二秒，依次后推。 daily timevar的格式为%td，0=1jan1960，1=2jan1960；即0为1960年第一天，1为1960年第二天，依次后推。 weekly timevar的格式为%tw，0=1960w1，1=1960w2；即0为1960年第一周，1为1960年第二周，依次后推。 monthly timevar的格式为%tm，0=1，1=；即0为1960年第一月，1为1960年第二月，依次后推。 quarterly timevar的格式为%tq，0=1960q1，1=1960q2；即0为1960年第一季，1为1960年第二季，依次后推。 harfyearly timevar的格式为%th，0=1960h1，1=1960h2；即0为从1960起的第一个半年，1为从1960年起第二个半年，依次后推。 yearly timevar的格式为%ty，1960=1960，1961=1960 generic timevar的格式为%tg format(%fmt) 用户定义的其他 时间周期 例子 delta(#) 例如delta(1)或delta(2) delta((exp)) 例如delta((7*24)) delta(#units) 例如delta(7 days)或delta(15 minutes)或 delta(7 days 15 minutes)。见注（1） delta((exp)units) 例如delta((2+3) weeks) 可以通过以下三种方式来定义时间序列。例如，想要生成格式为%td的时间序列，并定义该时间序列为t，则可以用以下三种方法： 方法1 方法2 方法3 format t %td tsset t tsset t,daily tsset t, format(%td) 【例1】使用文件“cpi.dta”的数据来对tsset命令的应用进行说明。该例子是我国1983年1月年至2007年8月的居民消费价格指数CPI。部分数据如表2所示： 表2 我国居民消费价格指数CPI Year month cpi 1983 1 100.6 1983 2 100.9 1983 3 100.9 1983 4 100.4 1983 5 101.2 1983 6 101.9 1983 7 100.9 2、 对时间序列进行修匀 时间序列的形成是各种不同的因素对事物的发展变化共同起作用的结果。这些因素概括起来可以归纳为四类：长期趋势因素、季节变动因素、循环变动因素和不规则变动因素。 时间序列构成分析就是要观察现象在一个相当长的时期内，由于各个影响因素的影响，使事物发展变化中出现的长期趋势、季节变动、循环变动和不规则变动。 通过测定和分析过去一段时间之内现象的发展趋势，可以认识和掌握现象发展变化的规律性，为统计预测提供必要的条件，同时也可以消除原有时间序列中长期趋势的影响，更好地研究季节变动和循环变动等问题。测定和分析长期趋势的主要方法是对时间