时间序列计量经济学模型.docVIP

时间序列计量经济学模型 经济分析中所用到的三大类重要数据中，时间序列数据是其中最常见，也是最重要的一类数据。迄今为止，对时间序列的分析是通过建立因果关系为基础的结构模型。时间序列模型反映动态特征，通常是运用时间序列的过去值、当期值及滞后扰动项的加权和建立模型来“解释”时间序列的变化规律。时间序列资料具有相关性，大部分资料具有非平稳性，而无论是单方程计量经济学模型还是联立方程计量经济学模型，这种分析背后有一个隐含的假设，即这些数据是平稳的（stationary）。 ------目录------- 简介 1.时间序列数据处理 时间序列的平稳性及其检验 1．非平稳时间序列简介 2．单位根检验 3．非平稳时间序列的平稳化 平稳时间序列模型 1．AR(P)过程 2．MA(q)过程 3．ARIMA模型 四．协整与误差修正模型 五．条件异方差 六．向量自回归模型（VAR） 一、简介 1时间序列数据的处理 1.1 cd C:\stata10\Net_course\ B6_TimeS 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； 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