运用stata进行时间序列分析

运用

stata

进行 时间序列分析

1

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

1)

声明时间序列：

tsset

命令

use

, clear list in 1/20 gen Lgnp = tsset date list in 1/20

gen

Lgnp

=

2)

检查是否有断点：

tsreport,

report

use

,

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

, clear tsset date list in -10/-1 sum tsappend , add(5)

/*

追加

5

个观察值

*/ list in -10/-1 sum 2 5)

应用：样本外预测：

predict reg gnp96 96 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

,

clear

tsset

date

gen

Lgnp

=

96

/*

一阶滞后

*/ gen L2gnp = 96 gen Fgnp = 96 /*

一阶超前

*/ gen

F2gnp

=

96

gen

Dgnp

=

96

/*

一阶差分

*/

gen

D2gnp

=

96

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 = gen growth2 = (96)/96 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 .... 1960

年

1

月

1

日，取值

为

0

；

3

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_, clear tsset t, daily list use

B6_, 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：

“

< br><

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 h q w

_ . ,

：

- / ' !c C Y M L N D J W

定义如下：

c and C

世纪值

(

个位数不附加

/

附加

0)

y and Y

不含世纪值的年份

(

个位数不附加

/

附加

0)

m

三个英文字母的月 份简写

(

第一个字母大写

)

4 M

英文字母拼写的月份

(

第一个字母大写

)

n and N

数字月份

(

个位数不附加

/

附加

0)

d and D < /p>

一个月中的第几日

(

个位数不附加

/

附加

0)

j and J

一年中的第几日

(

个位数 不附加

/

附加

0)

h

一年中的第几半年

(1 or 2)

q

一年中的第几季度

(1, 2, 3, or 4)

w and W

一年中的第几周< /p>

(

个位数不附加

/

附加

0)

_ display a blank (

空格

)

. display a period(

句号

)

, display a comma(

逗号

)

：

display a colon(

冒号

)

- display a dash (

短线

)

/ display a slash(

斜线

)

' display a close single quote(

右引号

)

!c display character c (code !!

to display an exclamation point)

样式

1

：

Format

Sample

date

in

format

-----------------------------------

%td

07jul1948

%tdM_d,_CY

July

7,

1948

%tdY/M/D

48/07/11

%tdM-D-CY

07-11-1948

%tqCY.q

1999.2

%tqCY:q

1992:2

%twCY,_w

2010,

48

-----------------------------------

样式

2

：

Format Sample date in format ---------------------------------- %d

11jul1948

%dDlCY

11jul1948

%dDlY

11jul48

%dM_d,_CY

July

11,

1948

%dd_M_CY

11

July

1948

%dN/D/Y

07/11/48

%dD/N/Y

11/07/48

%dY/N/D

48/07/11

%dN-D-CY

07-11-1948 ---------------------------------- clear set obs 100 5 gen t

= _n + d(13feb1978)

list t in 1/5 format t %dCY-N-D /*1978-02-14*/ list t in 1/5 format

t %dcy_n_d /*1978 2 14*/ list t in 1/5 use B6_tsset, clear list tsset t,

format(%twCY-m)

list

4

）一个实例：生成连续的时间变量

use

,

clear

list

year

month in 1/30 sort year month gen time = _n tsset time list year month

time in 1/30 generate newmonth = m(1920-1)

+ time - 1 tsset newmonth, monthly list year month time newmonth in

1/30 1.4

图解时间序列

1

）例

1

：

clear set seed 13579113 sim_arma ar2, ar(0.7 0.2)

nobs(200)

sim_arma ma2, ma(0.7 0.2)

tsset _t tsline ar2 ma2 *

亦可采用

twoway line

命令绘制，但较为繁

琐

twoway

line

ar2

ma2

_t

2

）

例

2

：

增加文字标注

sysuse

tsline2,

clear

tsset

day tsline calories, ttick(28nov2002 25dec2002, tpos(in))

///

ttext(3470

28nov2002

///

3470

25dec2002

orient(vert))

6

3

）

例

3

：

增加两条纵向的标示线

sysuse

tsline2,

clear

tsset

day

tsline

calories, tline(28nov2002 25dec2002)

*

或采用

twoway line

命令

local d1 = d(28nov2002)

local d2 = d(25dec2002)

line calories day, xline(`d1' `d2')

4

）例

4

：改变标签

tsline calories, tlabel(, format(%tdmd))

ttitle(

tsline calories, tlabel(, format(%td))

二、

ARIMA

模型和

SARMIA

模型

ARIMA

模型的基本思想是：将预测对象随时

间推移而形成的数据序列视为一

个随机序列，用一定的数学模型来近似描述这

个序列 。这个模型一旦被识别后就

可以从时间序列的过去值及现在值 来预测未

来值。

ARIMA(1,1)

模型：

t t t t y y

ε

θ

ε

ρ

α

+ + + =

?

6

?

1

?

6

?

1 1 1 2.1 ARIMA

模型

预测的基本程序：

1)

根据时间序列的散点图、

自相关 函数和偏自相关函数图以

ADF

单位根检验其

< br>

方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经

济

运行的时间序列都不是平稳序列。

2)

对非平稳序列进行平稳化处理。

如果数据序列是非平稳的，

并存在一定的增

< br>长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对

数

据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数 值无显

著地

异于零。

3)

根据时间序列模型的识别规则，

建立相应的模型。

若平稳序列的偏相关函数

是截尾的，而自相关函数是拖尾的，可断定序列适合

AR

模型；若平稳序列

的