stata操作介绍之时间序列（四）课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,stata,操作介绍之时间序列,-(,四,),平滑分析,自相关分析,ARIMA,模型,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。,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,导入数据：,.,use C:UsersAdministratorDesktop时间序列数据ch51.dta, clear,平滑分析,描述性统计：,.,describe,平滑分析,生成日期变量（一）：,.,gen,date,=mdy(,month ,day, year,),.,list in 1/5,平滑分析,设置时间（二）：,.,tsset,date, format(%d),.,list in 1/5,平滑分析,趋势图：,. graph two line,water date, ylabel(300(100)900),平滑分析,生成移动平均值（,1,）：,.,gen,water3,=(,water _n-1,+,water _n,+,water _n+1,)/3,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；,平滑分析,趋势图：,.,graph two line,water5 date, clwidth(thick) | line,water date, clwidth(thin) clpattern(solid),平滑分析,波动幅度：,. gen,ch,=,water,-,water5,. list in 1/5,平滑分析,波动幅度：,. graph two line,ch date,平滑分析,-,滞后变量,导入数据：,.,use C:UsersAdministratorDesktop时间序列数据ch52.dta, clear,描述性统计：,.,describe,时间设置：,. tsset,year,yearly,平滑分析,-,滞后变量,时间平滑：,.,tssmooth ma,fylln,=,fylltemp,window(2 1 2),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),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),；,平滑分析,-,滞后变量,生成一阶滞后变量：,.,gen,wNAO_1,=,wNAO, _n-1,生成二阶滞后变量：,.,gen,wNAO_2,=L2.,wNAO,平滑分析,-,滞后变量,平滑分析,-,滞后变量,三种滞后回归方法:,. reg,fylltemp,wNAO wNAO_1 wNAO_2,if,year,=1970 &,year,=1970 &,year,=1970 &,year,=1970 &,year,=1970 &,year,=1990,lags(7) table,ARIMA,模型,时间序列中的自相关集成移动平均模型（,autoregressive integrated moving average,简称,ARIMA,），是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。,ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。,ARIMA,模型,ARIMA,模型操作步骤：,1、对变量进行检验，若变量具有稳定性，进行第二步，否则，不能使用ARIMA模型；,2、做出变量的自相关图；,3、根据变量的自相关图，选择合适的模型；,4、根据选定的模型进行分析，并检验系数是否显著。若有的系数不显著，所选择的模型可能存在问题；若所有系数都显著，进行第五步；,5、检验残差是否具有自相关性。若残差具有自相关性，则所选择的模型存在问题；若残差不具有自相关性，则所选择的模型是合适的。,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；,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；,ARIMA,模型,dfgls检验：,. dfgls,fylltemp, maxlag(3) notrend,说明：,P,值为,0.0,，小于,0.05,，故拒绝原假设，说明该变量不满足稳定性检验；,虽然pperron 检验和,dfgls检验拒绝了变量,fylltemp具有稳定性的假设，但是dfuller,检验不能拒绝原假设，还是可以认为该变量具有稳定性。,ARIMA,模型,自相关表：,. corrgram,fylltemp,lags(4),说明：该变量的自相关关系随着滞后期的增加而减少，偏自相关关系在一期自后滞后消失，故适合模型,AR(1),来分析该变量。,ARIMA,模型,AR(1):,. arima,fylltemp,arima(1,0,0) nolog,说明：由上图可知，常数项与一期滞后变量系数都是统计显著的，卡方检验也显著。,故上图可得到模型为：,在得出结论之前，还需对残差进行检验，检验残差是否存在自相关性。,在进行检验之前需要生成残差。,