與時間序列相關(guān)的STATA命令及其統(tǒng)計量的解析

1、與時間序列相關(guān)的STATA命令及其統(tǒng)計量的解析殘差U序列相關(guān)：DW統(tǒng)計量一一針對一階自相關(guān)的（高階無效）STATA命令：1 .先回歸2 .直接輸入dwstat統(tǒng)計量如何看：查表Q統(tǒng)計量針對高階自相關(guān)correlogram-Q-statisticsSTATA命令：1. 先回歸reg2. 取出殘差predictu,residual（不要忘記逗號）3. wntestquQ統(tǒng)計量如何看：p值越?。ㄔ浇咏?）Q值越大一一表示存在自相關(guān)具體自相關(guān)的階數(shù)可以看自相關(guān)系數(shù)圖和偏相關(guān)系數(shù)圖：STATA命令：自相關(guān)系數(shù)圖：acu（殘差）或者窗口操作在GraphicsTime-seriesgraphscorrelo

2、gram（ac）偏相關(guān)系數(shù)圖：pacu或者窗口操作在GraphicsTime-seriesgraphs（pac）自相關(guān)與偏相關(guān)系數(shù)以及Q統(tǒng)計量同時表示出來的方法：corrgramu或者是窗口操作在StatisticsTime-seriesGraphsAutocorrelations&PartialautocorrelationsLM統(tǒng)計量一一針對高階自相關(guān)STATA命令：1. 先回歸reg2. 直接輸入命令estatebgodfrey,lags（n）或者窗口操作在StatisticsPostestimation（倒數(shù)第二個）ReportsandStatistics（倒數(shù)第二個）在里面選擇Bre

3、ush-GodfreyLM（當(dāng)然你在里面還可以找到方差膨脹因子還有DW統(tǒng)計量等常規(guī)統(tǒng)計量）LM統(tǒng)計量如何看：P值越小（越接近0）表示越顯著（顯著拒絕原假設(shè)），存在序列相關(guān)具體是幾階序列相關(guān)，你可以把滯后期寫為幾，當(dāng)然默認是1,（通常的方法是先看圖，上面說的自相關(guān)和偏相關(guān)圖以及Q值，然后再利用LM肯定）。平穩(wěn)時間序列存在自相關(guān)的問題的解決方案殘差出現(xiàn)序列相關(guān)的補救措施：1、一階自相關(guān)：最近簡單的方法是用AR（1膜型補救，就是在加一個殘差的滯后項即可。2、高階的自相關(guān)：用AR（n莫型補救。AR模型的識別與最高階數(shù)的確定：可通過自相關(guān)系數(shù)來獲得一些有關(guān)AR(p)模型的信息，如低階AR(p)模型系數(shù)符

4、號的信息。但是，對于自回歸過程AR(p),自相關(guān)系數(shù)并不能幫助我們確定AR(p)模型的階數(shù)p。所以，可以考慮使用偏自相關(guān)系數(shù)k,k,以便更加全面的描述自相關(guān)過程AR(p)的統(tǒng)計特征。且對于一個AR(p)模型，k,k的最高階數(shù)為p,也即AR(p)模型的偏自相關(guān)系數(shù)是p階截尾的。因此，可以通過識別AR(p)模型的偏自相關(guān)系數(shù)白個數(shù)，來確定AR(p)模型的階數(shù)p,進而設(shè)定正確的模型形式，并通過具體的估計方法估計出AR(p)模型的參數(shù)。如果AR(p)還解決不了則進一步使用：MA(q)模型，以及ARMA(p,q)模型。1、MA(q)MA(q)的偏自相關(guān)系數(shù)的具體形式隨著q的增加變得越來越復(fù)雜，很難給出一

5、個關(guān)于q的一般表達式，但是，一個MA(q)模型對應(yīng)于一個AR(oo)模型。因此，MA(q)模型的偏自相關(guān)系數(shù)一定呈現(xiàn)出某種衰減的形式是拖尾的。故可以通過識別一個序列的偏自相關(guān)系數(shù)的拖尾形式，大致確定它應(yīng)該服從一個MA(q)過程。2、ARMA(p,q)就是既含有AR項又含有MA項。我們引入了自相關(guān)系數(shù)和偏自相關(guān)系數(shù)這兩個統(tǒng)計量來識別ARMA(p,q)模型的系數(shù)特點和模型的階數(shù)。但是，在實際操作中，自相關(guān)系數(shù)和偏自相關(guān)系數(shù)是通過要識別序列的樣本數(shù)據(jù)估計出來的，并且隨著抽樣的不同而不同，其估計值只能同理論上的大致趨勢保持一致，并不能精確的相同。因此，在實際的模型識別中，自相關(guān)系數(shù)和偏自相關(guān)系數(shù)只能作

6、為模型識別過程中的一個參考，并不能通過它們準(zhǔn)確的識別模型的具體形式。具體的模型形式，還要通過自相關(guān)和偏自相關(guān)系數(shù)給出的信息，經(jīng)過反復(fù)的試驗及檢驗，最終挑選出各項統(tǒng)計指標(biāo)均符合要求的模型形式。注：無論采取什么樣的方式，只要能夠把殘差中的序列相關(guān)消除掉，又不會引入新的問題，這樣的模型就是最優(yōu)模型。與平穩(wěn)性檢驗及其統(tǒng)計量解析(P212張曉炯)白噪聲檢驗：1.Q檢3金wntestqvar,lag(n)2.Bartlett檢3敘wntestbvar,table(表示結(jié)果以列顯示，而不做圖。不加table就以圖形的方式現(xiàn)實)或者在StatisticsTime-seriesTESTBartlett檢驗(第四

7、個)畫密度圖：1 、概率密度圖命令：pergramvar.generate(新變量名字)將概率密度的圖上所生成的值生成并儲存在新變量里，這個不是必須的，只是為了日后方便。窗口：StatisticsTime-seriesGraphsPeriodogram(第五個)2 .累積分布函數(shù)圖命令：cumspvar.generate(新變量名字)解釋同上，并且這個生成新變量的功能似乎只能通過命令完成。窗口：StatisticsTime-seriesGraphsCumulativeSpectraldistribution單位根檢驗(219)1、Dickey-Fuller檢驗命令：dfullervar(,la

8、gs(#)/trend/noconstant/regress/)對變量做ADF檢驗可以加滯后期或趨勢項或不含常數(shù)項等等這些取決于你的模型。窗口：StatisticsTime-seriesTESTADF單位根檢驗(第一個)在里面你也可以選擇滯后期數(shù)，常數(shù)項等等。如何看結(jié)果：原假設(shè)為：至少存在一個單位根；備選假設(shè)為：序列不存在單位根。如果統(tǒng)計量小于后面的顯著性水平給出的值且P值很大一一有單位；如果統(tǒng)計量大于后面的顯著性水平給出的值且P值很小一一無單位根ADF檢驗需要注意的地方：(1)必須為回歸定義合理的滯后階數(shù)，通常采用AIC準(zhǔn)則來確定給定時間序列模型的滯后階數(shù)。在實際應(yīng)用中，還需要兼顧其他的因素

9、，如系統(tǒng)的穩(wěn)定性、模型的擬合優(yōu)度等。(2)可以選擇常數(shù)和線性時間趨勢，選擇哪種形式很重要，因為檢驗顯著性水平的t統(tǒng)計量在原假設(shè)下的漸進分布依賴于關(guān)于這些項的定義。如果在檢驗回歸中含有常數(shù)，意味著所檢驗的序列的均值不為0,一個簡單易行的辦法是畫出檢驗序列的曲線圖，通過圖形觀察原序列是否在一個偏離0的位谿隨機變動，進而決定是否在檢驗時添加常數(shù)項；如果在檢驗回歸中含線性趨勢項，意味著原序列具有時間趨勢。同樣，決定是否在檢驗中添加時間趨勢項，也可以通過畫出原序列的曲線圖來觀察。如果圖形中大致顯示了被檢驗序列的波動趨勢隨時間變化而變化，那么便可以添加時間趨勢項。2、Phillips-Perron檢驗命令

10、：pperronvar,(,lags(#)/trend/noconstant/regress/)對變量做PP檢驗可以加滯后期或趨勢項或不含常數(shù)項等等這些取決于你的模型。窗口操作：StatisticsTime-seriesTESTPP單位根檢驗(第三個)如何看結(jié)果：同ADF一樣原假設(shè)為：至少存在一個單位根；備選假設(shè)為：序列不存在單位根。P值越小(統(tǒng)計量大于各顯著性水平值)一一不存在單位根P值越大(統(tǒng)計量小于各顯著性水平值)一一存在單位根向量自相關(guān)回歸VAR模型向量自回歸(VAR)模型是AR模型的多元擴展，用以反映在一個系統(tǒng)中的多個變量之間的動態(tài)影像，格蘭杰因果檢驗、脈沖響應(yīng)、方差分解都是VAR模

11、型中重要的分析工具。與VAR模型相關(guān)的STATA命令與解析1、VAR模型的估計STATA命令：var解釋變量(，無常數(shù)項noconstant/滯后期lags(n)/外生變量exog(varlist)/constraints(numlist)線性約束的個數(shù)注意：使用線性約束要提前定義，詳情見建模中的各種小問題/LIKEPOHL滯后階數(shù)選擇的統(tǒng)計量lutstats)窗口操作：StatisticsMultivariatetimeseriesVAR(B二項)如何看結(jié)果：保存估計結(jié)果的命令：eststore名稱2. VAR模型平穩(wěn)性STATA命令：varstable（,graph表示畫出圖形）如何看結(jié)果

12、：特征值都在圓內(nèi)，即都小于1,表示VAR模型穩(wěn)定窗口操作：StatisticsMultivariatetimeseriesVARdiagnosticsandtestscheckstabilityconditionofVARestimates3. VAR階數(shù)的選擇一一滯后階數(shù)的確定在VAR模型中，正確的選擇模型的滯后階數(shù)，對于模型的估計和協(xié)整檢驗都產(chǎn)生一定的影響，小樣本情況更是如此。(1) STATA命令：用于VAR模型估計之前varsoc解釋變量(，沒有常數(shù)項noconstant/最高滯后期maxlag(#)/外生變量exog(varlist)/線性約束條件constraints(numlis

13、t)(2)命令：用于模型估計之后解釋變量(，estimates(estname)其中，estname表示已經(jīng)估計的VAR模型的名字。(1)(2)如何看結(jié)果：找最顯著的階數(shù)作為其滯后項(一般會標(biāo)有派)(3)命令：用于模型估計之后(Wald滯后排除約束檢驗)Varwle窗口操作：StatisticsMultivariatetimeseriesVARdiagnosticsandtests第一第二項如何看結(jié)果：看不同階數(shù)上的聯(lián)合顯著性，看P值，越小越顯著，表示存在該階滯后項。4.殘差的正態(tài)性與自相關(guān)檢驗STATA命令：1 .先進行var回歸2 .varnorm如何看結(jié)果：原假設(shè)是服從正態(tài)分布P值越小越

14、顯著拒絕原假設(shè)一一不服從正態(tài)分布P值越大越不顯著拒絕，原假設(shè)成立一一服從正態(tài)分布自相關(guān)：窗口操作：StatisticsMultivariatetimeseriesVARdiagnosticsandtestsLMTest正態(tài)分布：窗口操作：StatisticsMultivariatetimeseriesVARdiagnosticsandtestsTestfornormally(倒數(shù)第三項)5.Granger因果關(guān)系檢驗格蘭杰因果關(guān)系不同于我們平常意義上的因果關(guān)系，它是指一個變量對于另外一個變量具有延期影響。格蘭杰因果關(guān)系檢驗有助于表明變量間的動態(tài)影響，有助于提高模型的預(yù)測效果。命令格式：1 .先

15、進行var2 .再進行格蘭杰因果檢驗vargranger如何看結(jié)果：看P值的顯著性，越小說明存在越強的因果關(guān)系，相反P值越大說明兩者的因果關(guān)系不明顯。Grangercausalitytest窗口操作：StatisticsMultivariatetimeseries6 .脈沖響應(yīng)與方差分解（223）脈沖響應(yīng)與方差分解是一個問題的兩個方面。脈沖響應(yīng)是衡量模型中的內(nèi)生變量對一個變量的脈沖（沖擊）做出的響應(yīng)一對多，一個變量向下所引起的其他變量的變動,而方差分解則是如何將一個變量的響應(yīng)分解到模型中的內(nèi)生變量多對一，一個變量的變動向上追溯引起該變動的若干原因。STATA的irf命令用于計算VARSVARV

16、EC模型的脈沖響應(yīng)、動態(tài)乘子和方差分解。注意：該方法的操作使用于var、svar、vec估計之后。（1） 創(chuàng)建irf文件STATA命令：irfcreateirfname,set（名字）（先進行var,然后使用這條命令就可以直接把剛剛var的結(jié)果保存到該irf文件里，并且只有這條命令是最好用的，其他命令即使可以建立irf文件但是不能把var的結(jié)果保存進去，那也是沒用的。）激活irf文件顯示當(dāng)前處于活動狀態(tài)的irf文件：STATA命令：irfset激活（或創(chuàng)建）irf文件：STATA命令：irfset文件名稱創(chuàng)建新的irf文件并替換正在活動的irf文件：STATA命令：irfset文件名稱，rep

17、lace清除所有活動的irf文件：STATA命令：irfset,clear窗口操作：StatisticsMultivariatetimeseriesManageIRFresultsandfiles（2） 用irf文件作圖（223）對于VARSVARVEC模型，脈沖響應(yīng)函數(shù)（IRF的類型包括簡單脈沖響應(yīng)、正交脈沖響應(yīng)、動態(tài)乘子三種，方差分解包括Cholesky分解和結(jié)構(gòu)分解兩種。沒種模型可以采用不同的分析工具。窗口操作：StatisticsMultivariatetimeseriesIRFandFEVDanalysis簡單的IRF:（VAR/SVAR/VEC之后）命令：irfgraphirf（,

18、使用哪個文件set（文件名）/脈沖變量impulse（變量名）/響應(yīng)變量response（內(nèi)生變量名）如果不加約束就是默認當(dāng)前打開的文件動態(tài)乘子：（VAR之后）命令：irfgraphdm（,使用哪個文件set（文件名）/脈沖變量impulse（變量名）/響應(yīng)變量response（內(nèi)生變量名）方差分解:（VAR/SVAR/VEC之后）命令：irfgraphfevd（,使用哪個文件set（文件名）/脈沖變量impulse（變量名）/響應(yīng)變量response（內(nèi)生變量名）聯(lián)合圖表：將多個脈沖響應(yīng)圖或方差分解圖結(jié)合起來）命令：irfcgraph（irfname脈沖變量響應(yīng)變量方差分解的方法fevd/I

19、RF的方法irf）（irfname脈沖變量響應(yīng)變量IRF方法irf/方差分解的方法fevd）疊加圖表：（將多個脈沖響應(yīng)圖或方差分解圖疊加起來）命令：irfograph（irfname脈沖變量響應(yīng)變量方差分解的方法fevd/IRF的方法irf）（irfname脈沖變量響應(yīng)變量IRF方法irf/方差分解的方法fevd)（3） Irf列表STATA命令：irftableIRF方法irf/方差分解方法fevd聯(lián)合列表：(將多個脈沖響應(yīng)圖或方差分解列表結(jié)合起來)命令：irfctable(irfname脈沖變量響應(yīng)變量方差分解的方法fevd/IRF的方法irf)(irfname脈沖變量響應(yīng)變量IRF方法i

20、rf/方差分解的方法fevd)（4） Irf其他命令命令：irfdescribeirfdescribe,detail7 .VAR模型的預(yù)測227窗口操作：StatisticsMultivariatetimeseriesDynamicforecast命令格式1(對于VARSVAR模型)：fcastcomputeprefix命令格式2(對于VECM模型)：fcastcomputeprefix對預(yù)測進行作圖命令：fcastgraphpre巾xvar(prefix變量名)小結(jié)大概流程：估atVAR模型varyxzeststoreVAR1根據(jù)信息準(zhǔn)則確定VAR模型的最優(yōu)滯后結(jié)束，根據(jù)結(jié)果重新估計vars

21、ocxz,maxlag(#)var*(全部變量，或者ln*所有的對數(shù)變量)，lags(1/3)(比如最優(yōu)的滯后期為3,滯后期123)eststoreVAR2考察VAR模型的平穩(wěn)性varstable,estimates(VAR2)graphdlabel(畫圖并標(biāo)出具體數(shù)值)檢3軌VAR模型殘差的正態(tài)分布特征和自相關(guān)特征varnorm,jberaestimates(VAR2)對各變量進行Granger因果關(guān)系檢驗vargranger(,estimates(VAR2)繪制脈沖響應(yīng)圖以及預(yù)測誤差方差分解varyxz,lags(1/3)irfcreateirfname,set(名稱)irfgraphir

22、f(,estimates(名稱)irftablefevd(,estimates(名稱)/預(yù)測區(qū)間n8step(n)根據(jù)VAR模型的估計結(jié)果進行預(yù)測預(yù)測n期(n8)fcastcomputeprefix(,step(n)fcastcomputef_(,step(n)將VAR模型與IRF相結(jié)合的窗口操作：StatisticsMultivariatetimeseriesBasicVAR約翰遜協(xié)整檢驗協(xié)整檢驗是對非平穩(wěn)變量進行回歸的必要前提。只有存在協(xié)整關(guān)系，協(xié)整回歸才有意義。在各種協(xié)整檢驗方法中，Johansen(1998)在VAR框架下的特征值檢驗和跡檢驗應(yīng)用最為普通。命令格式為：vecrankvar1var2(,lag(n