資源描述：
《stata第七講【山大陳波】.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、Stata上機(jī)實(shí)驗(yàn)時(shí)間序列模型平穩(wěn)時(shí)間序列非平穩(wěn)時(shí)間序列ARCH模型和GARCH模型平穩(wěn)時(shí)間序列AR(p)MA(q)ARMA(p,q)ARIMA(p,d,q)自回歸模型AR(p)一階自回歸模型AR(1)定義為：yt=β0+β1yt-1+εt平穩(wěn)的條件是β1的絕對(duì)值小于1。p階自回歸模型定義為：yt=β0+β1yt-1+…+βpyt–p+εt滯后算子的根全部在單位圓外。移動(dòng)平均過(guò)程MA(q)一階移動(dòng)平均過(guò)程MA(1)定義為：yt=u+εt+θεt-1其中，{εt}為白噪聲q階移動(dòng)平均過(guò)程MA(q)定義為：yt=u+εt+θ1εt-1+…+θqεt-qARMA模型估計(jì)：極大似
2、然法為了使模型更好地?cái)M合數(shù)據(jù)，可以將AR(p)與MA(q)結(jié)合起來(lái)，得到ARMA(p,q)yt=β0+β1yt-1+…+βpyt–p+εt+θ1εt-1+…+θqεt-qARIMA模型ARMA(p,q)模型不一定是平穩(wěn)時(shí)間序列模型，如果ARMA(p,q)是不平穩(wěn)的，經(jīng)過(guò)d階單整后成為平穩(wěn)模型，則稱為ARIMA(p,d,q)。單整后可以用一個(gè)ARMA(p,q)模型作為它的生成模型的。下載兩個(gè)外部命令：Finditsim_armaSscinstallkpss產(chǎn)生模擬數(shù)據(jù)：1。產(chǎn)生一個(gè)AR(1)的平穩(wěn)時(shí)間序列：sim_armaar_1,ar(0.9)nobs(300)2。產(chǎn)生一
3、個(gè)MA(1)的時(shí)間序列：sim_armama_1,ma(0.8)nobs(300)3。產(chǎn)生一個(gè)ARMA(1,1)的模型：sim_armaarma_11,ar(0.8)ma(0.5)nobs(300)4。產(chǎn)生兩個(gè)隨機(jī)游走過(guò)程sim_armaar_2,ar(1)nobs(300)sim_armaar_3,ar(1)nobs(300)將文件保存起來(lái)1。畫(huà)出時(shí)間序列的趨勢(shì)線：linear_1_t,yline(0)linema_1_t,yline(0)linearma_11_t,yline(0)linear_2ar_3_t,yline(0)2。畫(huà)出時(shí)間序列的相關(guān)圖和自相關(guān)圖acpa
4、c結(jié)論：“拖尾”意味著長(zhǎng)期記憶，而“截尾”意味著短期記憶。AC圖PAC圖AR過(guò)程拖尾截尾MA過(guò)程截尾拖尾ARMA過(guò)程拖尾拖尾ARIMA模型的估計(jì)打開(kāi)數(shù)據(jù)文件mpyr.dta1。產(chǎn)生實(shí)際貨幣的對(duì)數(shù)值，并畫(huà)出各變量趨勢(shì)圖。linelogmrlogyryear2。檢驗(yàn)logmr的平穩(wěn)性 dfullerlogmr同時(shí)利用AC圖和PAC圖檢驗(yàn)logmr的時(shí)間序列類型。3。求實(shí)際貨幣的一階差分gend_logmr=d.logmr4。檢驗(yàn)差分后的平穩(wěn)性dfullerd_logmr因此，可以認(rèn)為logmr是一階單整的ARIMA模型ARIMA(p,1,q)。p、q階數(shù)的確定：信息準(zhǔn)則AIC
5、、BIC最小1。假定為ARIMA(1,1,1)，創(chuàng)建模型方程：arimalogmr,arima(1,1,1)或者arimad_logmr,ar(1)ma(1)列示信息準(zhǔn)則estatic2。假定為ARIMA(1,1,2)，創(chuàng)建模型方程：arimad_logmr,ar(1)ma(2)estatic3。假定為ARIMA(2,1,1)，創(chuàng)建模型方程：arimad_logmr,ar(2)ma(1)estatic4。假定為ARIMA(2,1,2)，創(chuàng)建模型方程：arimad_logmr,ar(2)ma(2)estatic應(yīng)該是一個(gè)ARIMA(1,1,1)模型向量自回歸模型(VAR)V
6、AR模型分為結(jié)構(gòu)型VAR模型與縮減型VAR模型。我們常常同時(shí)關(guān)心幾個(gè)經(jīng)濟(jì)變量的預(yù)測(cè)，將這些變量放在一起，作為一個(gè)系統(tǒng)來(lái)預(yù)測(cè)，以使得預(yù)測(cè)相互自洽。假設(shè)有兩個(gè)時(shí)間序列變量{y1t,y2t}，分別作為兩個(gè)回歸方程的被解釋變量；而解釋變量為這兩個(gè)變量的p階滯后值，構(gòu)成一個(gè)“二元”（bivariate）的VAR(p)系統(tǒng)。VAR模型的估計(jì)方法：打開(kāi)文件lutkepohl.dta。tssetqtr1。檢驗(yàn)平穩(wěn)性dfullerinvestmentdfullerlinvestmentdfullerdlinvestment2。選擇滯后階數(shù)幾種不同的選擇標(biāo)準(zhǔn)：最終預(yù)測(cè)誤差FPE，赤池信息準(zhǔn)則
7、AIC，施瓦茨信息準(zhǔn)則SBIC，漢南-昆準(zhǔn)則HQIC。varsocdlinvestdlincomedlconsumption3。估計(jì)VAR模型vardlinvestdlincomedlconsumption,lag(1/2)4。畫(huà)出脈沖響應(yīng)圖：控制其它因素不變的情況下，對(duì)某個(gè)內(nèi)生變量的外部沖擊，對(duì)其自身和其它內(nèi)生變量的影響。varbasicdlinvestdlincomedlconsumption,irf（未正交化）5。平穩(wěn)性檢驗(yàn)varstablevarstable,graphvarstable,graphdlabel非平穩(wěn)時(shí)
