- 1、本文档共7页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
和时间序列相关的STATE命令和其统计量的解析
与时间序列相关的STATE命令及其统计量的解析
与时间序列相关的STATA 命令及其统计量的解析 残差U 序列相关:
①DW 统计量——针对一阶自相关的(高阶无效)
STATA 命令:
1.先回归 2.直接输入dwstat 统计量如何看:查表 ②Q 统计量——针对高阶自相关correlogram-Q-statistics STATA 命令:
1. 先回归reg 2. 取出残差predict u,residual(不要忘记逗号)
3. wntestq u Q 统计量如何看:p 值越小(越接近0)Q 值越大 ——表示存在自相关 具体自相关的阶数可以看自相关系数图和偏相关系数图:
STATA 命令:
自相关系数图:
ac u( 残差)
或者窗口操作在 Graphics ——Time-series graphs —— correlogram(ac)
偏相关系数图:
pac u 或者窗口操作在Graphics——Time-series graphs—— (pac)
自相关与偏相关系数以及Q 统计量同时表示出来的方法:
corrgram u 或者是窗口操作在 Statistics——Time-series——Graphs—— AutocorrelationsPartial autocorrelations ③LM 统计量——针对高阶自相关 STATA 命令:
1. 先回归reg 2. 直接输入命令 estate bgodfrey,lags(n)
或者窗口操作 在 Statistics— —Postestimation(倒数第二个)——Reports and Statistics(倒数第二个)
——在里面选择 Breush-Godfrey LM(当然你在里面还可以找到方差膨胀因 子还有DW 统计量等常规统计量)
LM 统计量如何看:P 值越小(越接近 0)表示越显著(显著拒绝原假设),存在 序列相关 具体是几阶序列相关,你可以把滞后期写为几,当然默认是 1,(通常的方法是 先看图,上面说的自相关和偏相关图以及Q 值,然后再利用LM 肯定)。
平稳时间序列存在自相关的问题的解决方案 残差出现序列相关的补救措施:
一阶自相关 最近简单的方法是用AR(1)模型补救,就是在加一个残差的滞后项即可。
高阶的自相关 用AR(n)模型补救。
AR 模型的识别与最高阶数的确定:
可以通过自相关系数来获得一些有关 AR(p)
模型的信息,如低阶 AR(p)
模 型系数符号的信息。但是,对于自回归过程AR(p),自相关系数并不能帮助我们 确定 AR(p)
模型的阶数 p。所以,可以考虑使用偏自相关系数 k,k,以便更加 全面的描述自相关过程AR(p)的统计特征。
且对于一个AR(p)
模型,k,k 的最高阶数为p,也即AR(p)
模型的偏自相 关系数是 p 阶截尾的。因此,可以通过识别AR(p)模型的偏自相关系数的个数, 来确定 AR(p)
模型的阶数 p,进而设定正确的模型形式,并通过具体的估计方 法估计出AR(p)
模型的参数 如果AR(p)还解决不了则进一步使用:MA(q)模型,以及ARMA(p,q)模型 MA(q)
MA(q)
的偏自相关系数的具体形式随着 q 的增加变得越来越复杂,很难给 出一个关于 q 的一般表达式,但是,一个MA(q)
模型对应于一个AR(∞)
模型。
因此,MA(q)
模型的偏自相关系数一定呈现出某种衰减的形式是拖尾的。故可以 通过识别一个序列的偏自相关系数的拖尾形式,大致确定它应该服从一个MA(q)
过程。
ARMA(p,q)就是既含有AR 项又含有MA 项。
我们引入了自相关系数和偏自相关系数这两个统计量来识别 ARMA(p,q)
模 型的系数特点和模型的阶数。但是,在实际操作中,自相关系数和偏自相关系数 是通过要识别序列的样本数据估计出来的,并且随着抽样的不同而不同,其估计 值只能同理论上的大致趋势保持一致,并不能精确的相同。因此,在实际的模型 识别中,自相关系数和偏自相关系数只能作为模型识别过程中的一个参考,并 不能通过它们准确的识别模型的具体形式。具体的模型形式,还要通过自相关 和偏自相关系数给出的信息,经过反复的试验及检验,最终挑选出各项统计指 标均符合要求的模型形式。
注:无论采取什么样的方式,只要能够把残差中的序列相关消除 掉,又不会引入新的问题,这样的模型就是最优模型。
与平稳性检验相关的STATA命令及其统计量解析(P212 张晓峒)
白噪声检验:
1. Q 检验 wntestq var ,lag(n)
2.Bartlett 检验 wntestb var ,table(表示结果以列显示,而不做图。不加 table 就以图形的方式现实)
或者在Statistics——Time-series——TEST——B
文档评论(0)