stata操作介绍之时间序列-(四).ppt

ARIMA模型 三种单位根检验方法： pperron 检验： . pperron fylltemp, lag(3) 说明：P值为0.0003，小于0.05，故拒绝原假设，说明该变量不满足稳定性检验； 第三十一页，编辑于星期二：十三点 四十分。 ARIMA模型 dfuller 检验： . dfuller fylltemp, lag(3) 说明：P值为0.089，大于0.05，故不能拒绝原假设，说明该变量满足稳定性检验； 第三十二页，编辑于星期二：十三点 四十分。 四、平稳时间序列分析 第一页，编辑于星期二：十三点 四十分。 平滑分析 自相关分析 ARIMA模型 第二页，编辑于星期二：十三点 四十分。 平滑分析 大多数时间序列数据都具有上下起伏的波动，对于时间序列数据的识别十分困难。平滑分析可以把数据分为两个部分：一部分逐渐发生变化，便于分析处理；另一部分则含有突变的成份。 时间平滑：用某时刻及其前后若干时刻的值进行加权平均，所得值作为该时刻的替代值以滤去小扰动的方法。 第三页，编辑于星期二：十三点 四十分。 平滑分析 该部分以1983年1月到7月Milford城镇的自来水消费量为例。 文件：ch51.dta 第四页，编辑于星期二：十三点 四十分。 导入数据： . use C:\Users\Administrator\Desktop\时间序列\数据\ch51.dta, clear 第五页，编辑于星期二：十三点 四十分。 平滑分析 描述性统计： . describe 第六页，编辑于星期二：十三点 四十分。 平滑分析 生成日期变量（一）： . gen date=mdy( month ,day, year) . list in 1/5 第七页，编辑于星期二：十三点 四十分。 平滑分析 设置时间（二）： . tsset date, format(%d) . list in 1/5 第八页，编辑于星期二：十三点 四十分。 平滑分析 趋势图： . graph two line water date, ylabel(300(100)900) 第九页，编辑于星期二：十三点 四十分。 平滑分析 生成移动平均值（1）： . gen water3=(water[ _n-1]+water[ _n]+water[ _n+1])/3 第十页，编辑于星期二：十三点 四十分。 平滑分析 生成移动平均值（2）： . tssmooth ma water5=water,window(2 1 2) 注：tssmooth:表示移动平均值平滑(加权或不加权); window(2 1 2):表示使用该值的前两个值、该值与该值的后两个值进行平均计算； 第十一页，编辑于星期二：十三点 四十分。 平滑分析 趋势图： . graph two line water5 date, clwidth(thick) || line water date , clwidth(thin) clpattern(solid) 第十二页，编辑于星期二：十三点 四十分。 平滑分析 波动幅度： . gen ch=water- water5 . list in 1/5 第十三页，编辑于星期二：十三点 四十分。 平滑分析 波动幅度： . graph two line ch date 第十四页，编辑于星期二：十三点 四十分。 平滑分析-滞后变量 导入数据： . use C:\Users\Administrator\Desktop\时间序列\数据\ch52.dta, clear 描述性统计： . describe 时间设置： . tsset year,yearly 第十五页，编辑于星期二：十三点 四十分。 平滑分析-滞后变量 时间平滑： . tssmooth ma fylln= fylltemp,window(2 1 2) 第十六页，编辑于星期二：十三点 四十分。 平滑分析-滞后变量 趋势图： . graph two spike fylltemp year,base(1.67) yline(1.67) || line fylln year ,clpattern(solid) 第十七页，编辑于星期二：十三点 四十分。 平滑分析-滞后变量 生成n阶滞后变量的两种方法： . gen wNAO_n=wNAO[ _n-1] . gen wNAO_n=Ln.wNAO 注：第二种方法中的Ln表示Lag(n)； 第十八页，编辑于星期二：十三点 四十分。 平滑分析-滞后变量 生成一阶滞后变量： . gen wNAO_1=wNAO[ _n-1] 生成二阶