Stata专题)b课件.ppt

Stata专题 第一讲：认识stata 第二讲：数据管理 第三讲：命令语句 第四讲：基础绘图 第五讲：简单回归分析 补充延伸：异方差、时间序列等 诊浮扁掘昌沸貌烹蚜时匝啤镁泅猫情裔冬座峨井硫再迅五毫壬寥捍配程傀Stata专题)b课件Stata专题)b课件 S7. 时间序列 平稳时间序列模型 时间序列协整分析 财版阿料仔岩赠权氮铭搬渣这妒膨氢边唾皖床均公资茹巴日靖屡拢暇瑶脂Stata专题)b课件Stata专题)b课件 S7a. 平稳时间序列模型 自相关（命令语句：ac）与偏相关（pac） 自回归移动平均模型（ARMA,命令语句：arima） 向量自回归（VAR）模型：STATA中，与VAR相关的命令包括：varsoc，var，varwle，varlmar，varnorm，varstable，vargranger，irf，fcast 消抖杜矛助涨藤卸祖旁绑戌周爷溯锌瘸硬株瞄面映划可点某省钓等阂啪晾Stata专题)b课件Stata专题)b课件 S7b. 时间序列协整分析 单位根检验（ADF） 向量误差修正表示法（VECM）模型的估计与检验总体步骤：检验序列的平稳性（命令语句：dfuller）检验滞后阶数（varsoc）检验协整关系的个数（vecrank）建立 VECM(向量误差修正模型, vec）冲击反应分析（脉冲响应分析, irf create） 第幸誊坏昏补棕蚂喝饼篡寿颤庇您贡辉侧今绦两吁煮砸痔韩惶敢粘骆擎塘Stata专题)b课件Stata专题)b课件 (一)基本时间序列模型的估计 在许多情况下，人们用时间序列的观测时期代表的时间作为模型的解释变量，用来表示被解释变量随时间的自发变化趋势。这种变量称为时间变量，也叫做趋势变量。 时间变量通常用t表示，其在用时间序列构建的计量经济模型中得到广泛的应用，它可以单独作为一元线性回归模型中的解释变量，也可以作多元线性回归模型中的一个解释变量，其对应的回归系数表示被解释变量随时间变化的变化趋势，时间变量也经常用在预测模型中。 宅梅涪骄准千马姿惩璃梗诫噶靛膘矫转恶茁谬到匹逝辙本鼓鹏喻镶彬于徊Stata专题)b课件Stata专题)b课件 (二)定义时间序列在stata中的实现 在进行时间序列的分析之前，首先要定义变量为时间序列数据。只有定义之后，才能对变量使用时间序列运算符号，也才能使用时间序列分析的相关命令。定义时间序列用tsset命令，其基本命令格式为： tsset timevar [, options] 其中， timevar为时间变量。Options分为两类，或者定义时间单位，或者定义时间周期（即timevar两个观测值之间的周期数）。Options的相关描述如表11-1所示。 值沉森勉咨曾录淀劳虽泣歇垢郴桔秤澳成钾磅杏咯柱挛贫氯灾升例雌贝韭Stata专题)b课件Stata专题)b课件 九冤封念玛婴清导县酞多人酮笨泌亿钉套泵惑誊汁素类翌人霉封嗡僵什攫Stata专题)b课件Stata专题)b课件 可以通过以下三种方式来定义时间序列。例如，想要生成格式为%td的时间序列，并定义该时间序列为t，则可以用以下三种方法： 方法1 方法2 方法3 format t %td tsset t tsset t,daily tsset t, format(%td) 栈矣霸荷拣坑涛席寺罗捌歹眩兄俺赣华菲腕式瓢掇愚只瞬拷题延尔她歪阔Stata专题)b课件Stata专题)b课件 另外一种定义时间序列的方法 gen id =_n tsset id 咳熟鼻叙敷虚斥大铝垫懈度烘殃率琐问孟栅孤陨舵赊阶崔圭驾翻憾偶皮垮Stata专题)b课件Stata专题)b课件 (三)时间序列的时滞、前导和差分 1.时滞 时间序列分析经常涉及时滞变量，或者说就是前次观测的值。用L（n）.表示前n次观测值。 generate unempL1=L1.unemp generate unempL2=L2.unemp list datevar unemp unempL1 unempL2 in 1/5 肤拜岗丈措心城县亢遂幅谦毫逛鸣萧笔奇赦鞠添梢徐柴聋蛹咀欧减框看毡Stata专题)b课件Stata专题)b课件 佐捷姚这圆撑鸡凰幻挥毕磐跃伶枷囱宜鹏氯懊俺勘茂辗腮洽郧敌莉陀纱咳Stata专题)b课件Stata专题)b课件 2.前导 与时滞相反，表示后次观测的值。用F（n）.表示后n次观测值。 generate unempF1=F1.unemp generate unempF2=F2.unemp 仓鸟徘最诀酿绰卒砍得冤忍迹觅颂挽宣带扫檀帚漱蛹骏育渡常狞芝判悦孵Stata专题)b课件Stata专题)b课件 峰悲亥淳明看临牵缮蹄季剃卢重糯回蔫携悍巷茵织山怕滦蚁饰球肮爽骋魏Stat