时间序列模型分析的各种stata命令.docVIP

时间序列模型 结构模型尽管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能够得到特别精确的预测,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 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特别小*/ 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; 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 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 2)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 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〉 具体项目释义: “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