stata操作介紹之時(shí)間序列分析課件

stata操作介紹之時(shí)間序列分析stata操作介紹之時(shí)間序列分析一、

基本時(shí)間序列模型的估計(jì)在許多情況下，人們用時(shí)間序列的觀測(cè)時(shí)期代表的時(shí)間作為模型的解釋變量，用來(lái)表示被解釋變量隨時(shí)間的自發(fā)變化趨勢(shì)。這種變量稱為時(shí)間變量，也叫做趨勢(shì)變量。時(shí)間變量通常用t表示，其在用時(shí)間序列構(gòu)建的計(jì)量經(jīng)濟(jì)模型中得到廣泛的應(yīng)用，它可以單獨(dú)作為一元線性回歸模型中的解釋變量，也可以作多元線性回歸模型中的一個(gè)解釋變量，其對(duì)應(yīng)的回歸系數(shù)表示被解釋變量隨時(shí)間變化的變化趨勢(shì)，時(shí)間變量也經(jīng)常用在預(yù)測(cè)模型中。一、基本時(shí)間序列模型的估計(jì)在許多情況下，人們用時(shí)間序列1、

定義時(shí)間序列在stata中的實(shí)現(xiàn)在進(jìn)行時(shí)間序列的分析之前，首先要定義變量為時(shí)間序列數(shù)據(jù)。只有定義之后，才能對(duì)變量使用時(shí)間序列運(yùn)算符號(hào)，也才能使用時(shí)間序列分析的相關(guān)命令。定義時(shí)間序列用tsset命令，其基本命令格式為：tssettimevar[,options]其中，timevar為時(shí)間變量。Options分為兩類，或者定義時(shí)間單位，或者定義時(shí)間周期（即timevar兩個(gè)觀測(cè)值之間的周期數(shù)）。Options的相關(guān)描述如表1所示。1、定義時(shí)間序列在stata中的實(shí)現(xiàn)在進(jìn)行時(shí)間序列的分注：（1）units表示時(shí)間單位，對(duì)于%tc，允許的時(shí)間單位包括：second、seconds、secs、secs、minutes、minute、mine、min、hours、hour、days、weeks、week。對(duì)于其他%t的格式，Stata自動(dòng)獲得其時(shí)間單位，delta選項(xiàng)經(jīng)常與%tc格式一起使用。時(shí)間單位格式說(shuō)明Clocktimetimevar的格式為%tc,0=1jan196000:00:00.000，1=1jan196000:00:00.001即0代表1960年1月1日的第一秒，1為1960年1月1日的第二秒，依次后推。dailytimevar的格式為%td，0=1jan1960，1=2jan1960；即0為1960年第一天，1為1960年第二天，依次后推。weeklytimevar的格式為%tw，0=1960w1，1=1960w2；即0為1960年第一周，1為1960年第二周，依次后推。monthlytimevar的格式為%tm，0=1，1=；即0為1960年第一月，1為1960年第二月，依次后推。quarterlytimevar的格式為%tq，0=1960q1，1=1960q2；即0為1960年第一季，1為1960年第二季，依次后推。harfyearlytimevar的格式為%th，0=1960h1，1=1960h2；即0為從1960起的第一個(gè)半年，1為從1960年起第二個(gè)半年，依次后推。yearlytimevar的格式為%ty，1960=1960，1961=1960generictimevar的格式為%tgformat(%fmt)用戶定義的其他時(shí)間周期例子delta(#)例如delta(1)或delta(2)delta((exp))例如delta((7*24))delta(#units)例如delta(7days)或delta(15minutes)或delta(7days15minutes)。見(jiàn)注（1）delta((exp)units)例如delta((2+3)weeks)時(shí)間單位格式說(shuō)明Clocktimetimevar的格式為%t可以通過(guò)以下三種方式來(lái)定義時(shí)間序列。例如，想要生成格式為%td的時(shí)間序列，并定義該時(shí)間序列為t，則可以用以下三種方法：方法1

方法2

方法3formatt%tdtssetttssett,dailytssett,format(%td)可以通過(guò)以下三種方式來(lái)定義時(shí)間序列。例如，想要生成格式為%t【例1】使用文件“cpi.dta”的數(shù)據(jù)來(lái)對(duì)tsset命令的應(yīng)用進(jìn)行說(shuō)明。該例子是我國(guó)1983年1月年至2007年8月的居民消費(fèi)價(jià)格指數(shù)CPI。部分?jǐn)?shù)據(jù)如表2所示：表2我國(guó)居民消費(fèi)價(jià)格指數(shù)CPI

Year

monthcpi19831100.619832100.919833100.919834100.419835101.219836101.919837100.9【例1】使用文件“cpi.dta”的數(shù)據(jù)來(lái)對(duì)tsset命令的2、

對(duì)時(shí)間序列進(jìn)行修勻時(shí)間序列的形成是各種不同的因素對(duì)事物的發(fā)展變化共同起作用的結(jié)果。這些因素概括起來(lái)可以歸納為四類：長(zhǎng)期趨勢(shì)因素、季節(jié)變動(dòng)因素、循環(huán)變動(dòng)因素和不規(guī)則變動(dòng)因素。時(shí)間序列構(gòu)成分析就是要觀察現(xiàn)象在一個(gè)相當(dāng)長(zhǎng)的時(shí)期內(nèi)，由于各個(gè)影響因素的影響，使事物發(fā)展變化中出現(xiàn)的長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變動(dòng)和不規(guī)則變動(dòng)。通過(guò)測(cè)定和分析過(guò)去一段時(shí)間之內(nèi)現(xiàn)象的發(fā)展趨勢(shì)，可以認(rèn)識(shí)和掌握現(xiàn)象發(fā)展變化的規(guī)律性，為統(tǒng)計(jì)預(yù)測(cè)提供必要的條件，同時(shí)也可以消除原有時(shí)間序列中長(zhǎng)期趨勢(shì)的影響，更好地研究季節(jié)變動(dòng)和循環(huán)變動(dòng)等問(wèn)題。測(cè)定和分析長(zhǎng)期趨勢(shì)的主要方法是對(duì)時(shí)間序列進(jìn)行修勻。2、對(duì)時(shí)間序列進(jìn)行修勻時(shí)間序列的形成是各種不同的因素?cái)?shù)據(jù)=修勻部分+粗糙部分，運(yùn)用Stata進(jìn)行修勻使用tssmooth命令，其基本命令格式如下所示：tssmoothsmoother[type]newvar=exp[if][in][,...]其中smoother[type]有一系列目錄，如下表3所示：平滑的種類smoother[type]移動(dòng)平均不加權(quán)ma加權(quán)ma遞歸單指數(shù)過(guò)濾器exponential雙指數(shù)過(guò)濾器dexponential非季節(jié)性Holt-Winters修勻hwinters季節(jié)性Holt-Winters修勻shwinters非線性過(guò)濾器nl數(shù)據(jù)=修勻部分+粗糙部分，運(yùn)用Stata進(jìn)行修勻使用tssm【例2】繼續(xù)使用上例的數(shù)據(jù)來(lái)對(duì)tssmooth命令的應(yīng)用進(jìn)行說(shuō)明。在本例中對(duì)該組數(shù)據(jù)進(jìn)行修勻，以便消除不規(guī)則變動(dòng)的影響，得到時(shí)間序列長(zhǎng)期趨勢(shì)，本例修勻的方法是利用之前的1個(gè)月和之后的2個(gè)月及本月進(jìn)行平均。【例2】繼續(xù)使用上例的數(shù)據(jù)來(lái)對(duì)tssmooth命令的應(yīng)用進(jìn)行二、ARIMA模型的估計(jì)、單位根與協(xié)整時(shí)間序列模型一般分為四類，分別是自回歸過(guò)程、移動(dòng)平均過(guò)程、自回歸移動(dòng)平均過(guò)程、單整自回歸移動(dòng)平均過(guò)程。

自回歸過(guò)程如果一個(gè)剔出均值和確定性成分的線性過(guò)程可表達(dá)為xt=

1xt-1+

2xt-2+…+

pxt-p+ut其中

i,i=1,…p是自回歸參數(shù)，ut

是白噪聲過(guò)程，則稱xt為p階自回歸過(guò)程，用AR(p)表示。xt是由它的p個(gè)滯后變量的加權(quán)和以及ut相加而成。移動(dòng)平均過(guò)程如果一個(gè)剔出均值和確定性成分的線性隨機(jī)過(guò)程可用下式表達(dá)xt

=ut+

1ut–1+

2ut-2+…+

qut–q

其中

1,

2,…,

q是回歸參數(shù)，ut為白噪聲過(guò)程，則上式稱為q階移動(dòng)平均過(guò)程，記為MA(q)。二、ARIMA模型的估計(jì)、單位根與協(xié)整時(shí)間序列模型一自回歸移動(dòng)平均過(guò)程由自回歸和移動(dòng)平均兩部分共同構(gòu)成的隨機(jī)過(guò)程稱為自回歸移動(dòng)平均過(guò)程，記為ARMA(p,q),其中p,q分別表示自回歸和移動(dòng)平均部分的最大階數(shù)。ARMA(p,q)的一般表達(dá)式是

xt=

1xt-1+

2xt-2+…+

pxt-p+ut+

1ut-1+

2ut-2+...+

qut-q單整自回歸移動(dòng)平均過(guò)程對(duì)于ARMA過(guò)程（包括AR過(guò)程），如果特征方程

(L)=0的全部根取值在單位圓之外，則該過(guò)程是平穩(wěn)的；如果若干個(gè)或全部根取值在單位圓之內(nèi)，則該過(guò)程是強(qiáng)非平穩(wěn)的。除此之外還有第三種情形，即特征方程的若干根取值恰好在單位圓上。這種根稱為單位根，這種過(guò)程也是非平穩(wěn)的。若隨機(jī)過(guò)程yt經(jīng)過(guò)d次差分之后可變換為一個(gè)以

(L)為p階自回歸算子，

(L)為q階移動(dòng)平均算子的平穩(wěn)、可逆的隨機(jī)過(guò)程，則稱yt為（p,d,q）階單整(單積)自回歸移動(dòng)平均過(guò)程，記為ARIMA(p,d,q)。自回歸移動(dòng)平均過(guò)程1、

時(shí)間序列相關(guān)性檢驗(yàn)的stata實(shí)現(xiàn)在進(jìn)行arima分析前，對(duì)序列的特征應(yīng)該有相應(yīng)的了解。包括自相關(guān)圖，偏自相關(guān)圖和Q統(tǒng)計(jì)量。自相關(guān)刻畫(huà)它序列

的鄰近數(shù)據(jù)之間存在多大程度的相關(guān)性。偏自相關(guān)度量的是k期間距的相關(guān)而不考慮k-1期的相關(guān)。p階滯后的Q-統(tǒng)計(jì)量的原假設(shè)是：序列不存在p階自相關(guān)；備選假設(shè)為：序列存在p階自相關(guān)。在Stata中實(shí)現(xiàn)相關(guān)性檢驗(yàn)的基本命令格式如下所示：命令格式1（做出自相關(guān)和偏自相關(guān)圖）：corrgramvarname[if][in][,corrgram_options]命令格式2（做出自相關(guān)圖）：acvarname[if][in][,ac_options]命令格式3（做出自相關(guān)和偏自相關(guān)圖）：pacvarname[if][in][,pac_options]1、時(shí)間序列相關(guān)性檢驗(yàn)的stata實(shí)現(xiàn)在進(jìn)行arima以上三個(gè)命令格式的選項(xiàng)的相關(guān)描述分別如表4、5、6所示：表4corrgram_options的相關(guān)描述

表5ac_options的相關(guān)描述表6ac_options的相關(guān)描述主要選項(xiàng)描述lags(#)*滯后階數(shù)noplot不進(jìn)行作圖yw通過(guò)Yule-Walker方程組，計(jì)算偏自相關(guān)PAC主要選項(xiàng)描述lags(#)*滯后階數(shù)generate(newvar)生成新變量，默認(rèn)不做圖level(#)置信度，默認(rèn)95%fft通過(guò)傅里葉轉(zhuǎn)化計(jì)算AC主要選項(xiàng)描述lags(#)*滯后階數(shù)generate(newvar)level(#)生成新變量，默認(rèn)不做圖置信度，默認(rèn)95%yw通過(guò)Yule-Walker方程組，計(jì)算偏自相關(guān)PAC以上三個(gè)命令格式的選項(xiàng)的相關(guān)描述分別如表4、5、6所示：主要【例3】使用文件“gnp.dta”的數(shù)據(jù)來(lái)對(duì)Stata中自相關(guān)與偏自相關(guān)的應(yīng)用進(jìn)行說(shuō)明。該數(shù)據(jù)給出了中國(guó)1953-1984年的國(guó)民生產(chǎn)總值GNP、私人國(guó)內(nèi)總投資I、GNP的隱性價(jià)格折算因子P（以1972為基期）、半年期商業(yè)票據(jù)利率R。在本例中我們對(duì)GNP時(shí)間序列進(jìn)行分析，觀察期相關(guān)圖和自相關(guān)圖，從而得到GNP時(shí)間序列的類型。部分?jǐn)?shù)據(jù)說(shuō)明如表7所示。年份中國(guó)GNP私人國(guó)內(nèi)總投資GNP的隱性價(jià)格折算因子（1972=1）半年期商業(yè)票據(jù)利率1953623.685.30.5882.521954616.183.10.5961.591955657.5103.80.6082.191956671.6102.60.6283.311957683.8970.6493.821958680.987.50.662.471959721.71080.6763.96【例3】使用文件“gnp.dta”的數(shù)據(jù)來(lái)對(duì)Stata中自相2、

時(shí)間序列穩(wěn)定性檢驗(yàn)的stata實(shí)現(xiàn)檢驗(yàn)序列的平穩(wěn)性，可以用phillips-perron檢驗(yàn)，dickey-fuller檢驗(yàn)，以及應(yīng)用GLS擴(kuò)展的dickey-fuller檢驗(yàn)。其基本命令格式如下：命令格式1（dickey-fuller檢驗(yàn)）：dfullervarname[if][in][,option]命令格式2（GLS擴(kuò)展的dickey-fuller檢驗(yàn)）：dfglsvarname[if][in][,options]命令格式3（phillips-perron檢驗(yàn)）：pperronvarname[if][in][,options]以上三個(gè)命令格式的選項(xiàng)的相關(guān)描述分別如表8、9、10所示：2、時(shí)間序列穩(wěn)定性檢驗(yàn)的stata實(shí)現(xiàn)檢驗(yàn)序列的平穩(wěn)性表8dickey-fuller檢驗(yàn)options的相關(guān)描述表9GLS擴(kuò)展的dickey-fuller檢驗(yàn)options的相關(guān)描述表10phillips-perron檢驗(yàn)檢驗(yàn)options的相關(guān)描述主要選項(xiàng)描述noconstant沒(méi)有截?fù)?jù)項(xiàng)trend包括時(shí)間趨勢(shì)drift包括漂移項(xiàng)regress顯示回歸結(jié)果lags(#)滯后階數(shù)主要選項(xiàng)描述maxlag(#)最大滯后階數(shù)notrend沒(méi)有時(shí)間趨勢(shì)ers利用插值法計(jì)算臨界值主要選項(xiàng)描述noconstant沒(méi)有截?fù)?jù)項(xiàng)trendregress有趨勢(shì)項(xiàng)顯示回歸結(jié)果lags(#)最大滯后階數(shù)表8dickey-fuller檢驗(yàn)options的相關(guān)描【例4】繼續(xù)使用文件“gnp.dta”的數(shù)據(jù)來(lái)對(duì)Stata中平穩(wěn)性檢驗(yàn)的相關(guān)應(yīng)用進(jìn)行說(shuō)明。這里要求使用dickey-fuller檢驗(yàn)、GLS擴(kuò)展的dickey-fuller檢驗(yàn)和phillips-perron檢驗(yàn)三種方法，對(duì)GNP的一階差分進(jìn)行平穩(wěn)性檢驗(yàn)。【例4】繼續(xù)使用文件“gnp.dta”的數(shù)據(jù)來(lái)對(duì)Stata中11.2.3ARIMA模型的stata實(shí)現(xiàn)時(shí)間序列的自回歸移動(dòng)平均法可是通過(guò)使用arima命令來(lái)實(shí)現(xiàn)。其基本命令格式如下：arimadepvar[indepvars][if][in][weight][,options]在使用arima模型前，需要先檢驗(yàn)數(shù)據(jù)的平穩(wěn)性和相關(guān)性，然后經(jīng)過(guò)判斷才能使用。主要選項(xiàng)描述noconstant沒(méi)有截?fù)?jù)項(xiàng)Arima(#p,#d,#q)Arima(p,d,q)模型Ar(numlist)Ar的滯后階數(shù)Ma(numlist)

Ma的滯后階數(shù)Constraints(constraints)線性約束collinear保留多重共線性變量Sarima(#p,#d,#q,#s)季節(jié)arima模型Mar(numlist,#s)季節(jié)ar的滯后階數(shù)Mma(numlist,#s)季節(jié)ma的滯后階數(shù)11.2.3ARIMA模型的stata實(shí)現(xiàn)時(shí)間序列的自【例5】使用文件“population.dta”的數(shù)據(jù)來(lái)對(duì)Stata中ARIMA模型的相關(guān)應(yīng)用進(jìn)行說(shuō)明。該表給出了某地區(qū)每年的年度總?cè)丝跀?shù)。部分?jǐn)?shù)據(jù)如下：年份年底總?cè)丝跀?shù)(萬(wàn)人)194954167195055196195156300195257482195358796195460266195561465195662828195764653195865994195967207【例5】使用文件“population.dta”的數(shù)據(jù)來(lái)對(duì)S三、VAR與VEC模型的估計(jì)及解釋1、VAR模型的階數(shù)選擇在Stata中VAR模型階數(shù)選擇的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：depvarlist[if][in][,preestimation_options]主要選項(xiàng)描述maxlag(#)最高滯后階數(shù);默認(rèn)是滯后4期exog(varlist)外生變量constraints(constraints)對(duì)外生變量的線性約束noconstant沒(méi)有常數(shù)項(xiàng)level(#)置信度，默認(rèn)95%separator(#)分割線三、VAR與VEC模型的估計(jì)及解釋1、VAR模型的階數(shù)2、構(gòu)建VAR模型在Stata中構(gòu)建VAR模型的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：vardepvarlist[if][in][,options]主要選項(xiàng)描述模型1noconstant沒(méi)有常數(shù)項(xiàng)lags(numlist)VAR滯后階數(shù)

exog(varlist)外生變量模型2

constraints(numlist)線性約束

nolog不顯示迭代過(guò)程

noisure一步迭代dfk自由度調(diào)節(jié)small小樣本t,f統(tǒng)計(jì)量報(bào)告結(jié)果level(#)置信度2、構(gòu)建VAR模型主要選項(xiàng)描述模型1noconstant沒(méi)3、平穩(wěn)性條件考察在Stata中VAR模型平穩(wěn)性條件考察的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：varstable[,options]主要選項(xiàng)描述estimates(estname)考察VAR（estname）的平穩(wěn)性graph對(duì)伴隨矩陣的特征值作圖dlabel將特征值標(biāo)記為到單位圓的距離3、平穩(wěn)性條件考察主要選項(xiàng)描述estimates(estna4、殘差的正態(tài)性和自相關(guān)檢驗(yàn)在Stata中VAR模型殘差的正態(tài)性和自相關(guān)檢驗(yàn)的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：varnorm[,options]主要選項(xiàng)描述jberastatisticsJarque-Bera統(tǒng)計(jì)量skewness偏度kurtosis峰度estimates(estname)cholesky已估計(jì)的var名稱使用Cholesky分解separator(#)分割線4、殘差的正態(tài)性和自相關(guān)檢驗(yàn)主要選項(xiàng)描述jberastat5、格蘭杰因果檢驗(yàn)在Stata中VAR模型格蘭杰因果檢驗(yàn)的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：vargranger[,estimates(estname)separator(#)]5、格蘭杰因果檢驗(yàn)6、脈沖分析（1）irf文件的創(chuàng)建、顯示、激活和清除VAR模型脈沖分析的實(shí)現(xiàn)，首先是要?jiǎng)?chuàng)建irf文件。在Stata中是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：命令格式1（VAR模型的irf文件創(chuàng)建）：irfcreateirfname[,var_options]命令格式2（SVAR模型的irf文件創(chuàng)建）：irfcreateirfname[,svar_options]命令格式3（VEC模型的irf文件創(chuàng)建）：irfcreateirfname[,vec_options]創(chuàng)建irf文件之后，顯示處于當(dāng)下活動(dòng)狀態(tài)的irf，輸入以下命令：irfset激活irf文件，可以輸入以下命令：irfsetifr_name清除活動(dòng)的irf文件，可以輸入以下命令：irfset,clear主要選項(xiàng)描述set(filename[,replace])創(chuàng)建文件replace如果文件已存在，則替換文件order(varlist)Cholesky排序estimates(estname)以估計(jì)的VAR名稱6、脈沖分析主要選項(xiàng)描述set(filename[,rep（2）Irf作圖Irf文件作圖，可以輸入以下命令：irfgraphstat[,options]stat的相關(guān)描述options的相關(guān)描述主要選項(xiàng)描述irfirfoirf正交irfdm動(dòng)態(tài)乘子cirf累計(jì)irfcoirf累計(jì)正交irfcdm累計(jì)同臺(tái)乘子fevdCholesky方差分解sirf結(jié)構(gòu)IRFsfevd結(jié)構(gòu)Cholesky方差分解主要選項(xiàng)描述set(filename)使文件激活irf(irfnames)IRF結(jié)果名稱impulse(impulsevar)脈沖變量response(endogvars)響應(yīng)變量（2）Irf作圖主要選項(xiàng)描述irfirfoirf正交ir6．johansen檢驗(yàn)當(dāng)變量之間同階單整時(shí)，可以運(yùn)用johansen檢驗(yàn)查看變量之間是否協(xié)整。Stata中VAR模型johansen檢驗(yàn)的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：vecrankdepvar[if][in][,options]主要選項(xiàng)描述lags(#)VAR模型的最高滯后階數(shù)trend(constant)VAR模型有常數(shù)項(xiàng)，協(xié)整方程有常數(shù)項(xiàng)trend(rconstant)VAR模型有常數(shù)項(xiàng)，協(xié)整方程無(wú)常數(shù)項(xiàng)trend(trend)VAR模型有趨勢(shì)項(xiàng)，協(xié)整方程有趨勢(shì)項(xiàng)trend(rtrend)VAR模型有趨勢(shì)項(xiàng)，協(xié)整方程無(wú)趨勢(shì)項(xiàng)trend(none)VAR模型無(wú)常數(shù)項(xiàng)，協(xié)整方程無(wú)常數(shù)項(xiàng)6．johansen檢驗(yàn)主要選項(xiàng)描述lags(#)VA【例6】使用文件“cpi2.dta”的數(shù)據(jù),其中狹義貨幣供應(yīng)量增長(zhǎng)率經(jīng)過(guò)SAR修勻后記為M1sar，貸款利率記為r,cpi經(jīng)過(guò)sa修勻后記為cpisa。數(shù)據(jù)區(qū)間是從1994年1月～2007年12月。本例中將要建立一個(gè)關(guān)于變量m1sar、變量cpisa和變量r的VAR模型，部分?jǐn)?shù)據(jù)如表11-23所示：monthyearm1sarcpisar119940.19012339220.9351192912.24219940.16603557523.3664520812.243199405050982312.24419940894884512.24519940582771679619940782611769719940.23369384524.000261139819940.28478629425.760499349919940.29151307927.163828039【例6】使用文件“cpi2.dta”的數(shù)據(jù),其中狹義貨幣供應(yīng)四、ARCH與GARCH的估計(jì)及解釋1、ARCH模型若一個(gè)平穩(wěn)隨機(jī)變量xt可以表示為AR(p)形式，其隨機(jī)誤差項(xiàng)的方差可用誤差項(xiàng)平方的q階分布滯后模型描述，xt=

0+

1xt-1+

2xt-2+…

+

pxt-p+ut

t2=E(ut2)=

0+

1ut-12+

2ut-22+…

+

qut-q2則稱ut服從q階的ARCH過(guò)程，記作ut

ARCH(q)。其中第一式稱作均值方程，第二式稱作ARCH方程。2、GRACH模型ARCH模型中的第二式是關(guān)于

t2的分布滯后模型。為避免ut2的滯后項(xiàng)過(guò)多，可采用加入

t2的滯后項(xiàng)的方法（回憶可逆性概念）。對(duì)于第二式，可給出如下形式，

t2=

0+

1ut–12+

1

t-12此模型稱為廣義自回歸條件異方差模型，用GARCH(1,1)表示。其中ut–1稱為ARCH項(xiàng)，

t-1稱為GARCH項(xiàng)。四、ARCH與GARCH的估計(jì)及解釋1、ARCH模在Stata中ARCH模型的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的：archdepvar[indepvars][if][in][weight][,options]Modelnoconstant沒(méi)有常數(shù)項(xiàng)arch(numlist)ARCH滯后階數(shù)garch(numlist)GARCH滯后階數(shù)saarch(numlist)簡(jiǎn)單非對(duì)稱

ARCH模型tarch(numlist)門限ARCH模型aarch(numlist)非對(duì)稱

ARCH模型narch(numlist)非線性ARCH模型narchk(numlist)帶有位移的非線性ARCH模型abarch(numlist)絕對(duì)值A(chǔ)RCH模型atarch(numlist)絕對(duì)門限ARCH模型sdgarch(numlist)garch項(xiàng)的滯后項(xiàng)earch(numlist)Nelson'sEGARCH模型的信息項(xiàng)egarch(numlist)log（garch）的滯后項(xiàng)parch(numlist)冪ARCH模型tparch(numlist)門限冪

ARCH模型aparch(numlist)非對(duì)稱冪ARCH模型nparch(numlist)非線性冪ARCH模型nparchk(numlist)帶有位移的非線性冪

ARCH模型pgarch(numlist)冪

GARCH模型constraints(constraints)線性約束Model2archm均值方程加入方差項(xiàng)archmlags(numlist)均值方程加入滯后階數(shù)archmexp(exp)將exp轉(zhuǎn)換為ARCH-IN-MEAN的形式arima(#p,#d,#q)ARIMA(p,d,q)模型ar(numlist)ar模型ma(numlist)ma模型Model3het(varlist)條件方差估計(jì)中帶有外生變量savespace估計(jì)時(shí)節(jié)省內(nèi)存在Stata中ARCH模型的實(shí)現(xiàn)，是通過(guò)如下基本命令來(lái)實(shí)現(xiàn)的【例7】繼續(xù)利用上例中的數(shù)據(jù)，建立該數(shù)據(jù)的ARCH模型。【例7】繼續(xù)利用上例中的數(shù)據(jù)，建立該數(shù)據(jù)的ARCH模型。本章練習(xí)該題使用數(shù)據(jù)集“balance2.dta”,對(duì)消費(fèi)、投資、收入進(jìn)行如下分析。其中g(shù)dp、inv、consump分別代表我國(guó)某地區(qū)的國(guó)內(nèi)生產(chǎn)總值、投資和消費(fèi)，t代表時(shí)間，y、i、c分別是gdp、inv、consump取對(duì)數(shù)之后的值。（1）對(duì)收入建立恰當(dāng)?shù)腁RIMA模型。（2）對(duì)消費(fèi)、投資、收入的增長(zhǎng)率建立恰當(dāng)?shù)腣AR模型。本章練習(xí)該題使用數(shù)據(jù)集“balance2.dta”,對(duì)消費(fèi)、歷史ⅱ岳麓版第13課交通與通訊的變化資料精品課件歡迎使用歷史ⅱ岳麓版第13課交通與通訊的變化資料精品課件歡迎使用stata操作介紹之時(shí)間序列分析課件stata操作介紹之時(shí)間序列分析課件stata操作介紹之時(shí)間序列分析課件[自讀教材·填要點(diǎn)]一、鐵路，更多的鐵路1．地位鐵路是

建設(shè)的重點(diǎn)，便于國(guó)計(jì)民生，成為國(guó)民經(jīng)濟(jì)發(fā)展的動(dòng)脈。2．出現(xiàn)1881年，中國(guó)自建的第一條鐵路——唐山

至胥各莊鐵路建成通車。1888年，宮廷專用鐵路落成。交通運(yùn)輸開(kāi)平[自讀教材·填要點(diǎn)]一、鐵路，更多的鐵路交通運(yùn)輸開(kāi)平

3．發(fā)展(1)原因：①甲午戰(zhàn)爭(zhēng)以后列強(qiáng)激烈爭(zhēng)奪在華鐵路的

。②修路成為中國(guó)人

的強(qiáng)烈愿望。(2)成果：1909年

建成通車；民國(guó)以后，各條商路修筑權(quán)收歸國(guó)有。4．制約因素政潮迭起，軍閥混戰(zhàn)，社會(huì)經(jīng)濟(jì)凋敝，鐵路建設(shè)始終未入正軌。修筑權(quán)救亡圖存京張鐵路3．發(fā)展修筑權(quán)救亡圖存京張鐵路

二、水運(yùn)與航空1．水運(yùn)(1)1872年,

正式成立，標(biāo)志著中國(guó)新式航運(yùn)業(yè)的誕生。(2)1900年前后，民間興辦的各種輪船航運(yùn)公司近百家，幾乎都是在列強(qiáng)排擠中艱難求生。2．航空(1)起步：1918年，附設(shè)在福建馬尾造船廠的海軍飛機(jī)工程處開(kāi)始研制

。(2)發(fā)展：1918年，北洋政府在交通部下設(shè)“

”；此后十年間，航空事業(yè)獲得較快發(fā)展。輪船招商局水上飛機(jī)籌辦航空事宜處二、水運(yùn)與航空輪船招商局水上飛機(jī)籌辦航空事宜處三、從驛傳到郵政1．郵政(1)初辦郵政：1896年成立“大清郵政局”，此后又設(shè)

，郵傳正式脫離海關(guān)。(2)進(jìn)一步發(fā)展：1913年，北洋政府宣布裁撤全部驛站；1920年，中國(guó)首次參加

。郵傳部萬(wàn)國(guó)郵聯(lián)大會(huì)三、從驛傳到郵政郵傳部萬(wàn)國(guó)郵聯(lián)大會(huì)2．電訊(1)開(kāi)端：1877年，福建巡撫在

架設(shè)第一條電報(bào)線，成為中國(guó)自辦電報(bào)的開(kāi)端。(2)特點(diǎn)：進(jìn)程曲折，發(fā)展緩慢，直到20世紀(jì)30年代情況才發(fā)生變化。3．交通通訊變化的影響(1)新式交通促進(jìn)了經(jīng)濟(jì)發(fā)展，改變了人們的通訊手段和

，

轉(zhuǎn)變了人們的思想觀念。(2)交通近代化使中國(guó)同世界的聯(lián)系大大增強(qiáng)，使異地傳輸更為便捷。(3)促進(jìn)了中國(guó)的經(jīng)濟(jì)與社會(huì)發(fā)展，也使人們的生活

。臺(tái)灣出行方式多姿多彩2．電訊臺(tái)灣出行方式多姿多彩[合作探究·提認(rèn)知]

電視劇《闖關(guān)東》講述了濟(jì)南章丘朱家峪人朱開(kāi)山一家，從清末到九一八事變爆發(fā)闖關(guān)東的前塵往事。下圖是朱開(kāi)山一家從山東輾轉(zhuǎn)逃亡到東北途中可能用到的四種交通工具。[合作探究·提認(rèn)知]

電視劇《闖關(guān)東》講述了濟(jì)南章丘依據(jù)材料概括晚清中國(guó)交通方式的特點(diǎn)，并分析其成因。

提示：特點(diǎn)：新舊交通工具并存(或：傳統(tǒng)的帆船、獨(dú)輪車，近代的小火輪、火車同時(shí)使用)。

原因：近代西方列強(qiáng)的侵略加劇了中國(guó)的貧困，阻礙社會(huì)發(fā)展；西方工業(yè)文明的沖擊與示范；中國(guó)民族工業(yè)的興起與發(fā)展；政府及各階層人士的提倡與推動(dòng)。依據(jù)材料概括晚清中國(guó)交通方式的特點(diǎn)，并分析其成因。[串點(diǎn)成面·握全局][串點(diǎn)成面·握全局]stata操作介紹之時(shí)間序列分析課件

一、近代交通業(yè)發(fā)展的原因、特點(diǎn)及影響1．原因(1)先進(jìn)的中國(guó)人為救國(guó)救民，積極興辦近代交通業(yè)，促進(jìn)中國(guó)社會(huì)發(fā)展。(2)列強(qiáng)侵華的需要。為擴(kuò)大在華利益，加強(qiáng)控制、鎮(zhèn)壓中國(guó)人民的反抗，控制和操縱中國(guó)交通建設(shè)。(3)工業(yè)革命的成果傳入中國(guó)，為近代交通業(yè)的發(fā)展提供了物質(zhì)條件。一、近代交通業(yè)發(fā)展的原因、特點(diǎn)及影響2．特點(diǎn)(1)近代中國(guó)交通業(yè)逐漸開(kāi)始近代化的進(jìn)程，鐵路、水運(yùn)和航空都獲得了一定程度的發(fā)展。(2)近代中國(guó)交通業(yè)受到西方列強(qiáng)的控制和操縱。(3)地域之間的發(fā)展不平衡。3．影響(1)積極影響：促進(jìn)了經(jīng)濟(jì)發(fā)展，改變了人們的出行方式，一定程度上轉(zhuǎn)變了人們的思想觀念；加強(qiáng)了中國(guó)與世界各地的聯(lián)系，豐富了人們的生活。(2)消極影響：有利于西方列強(qiáng)的政治侵略和經(jīng)濟(jì)掠奪。2．特點(diǎn)1．李鴻章1872年在上海創(chuàng)辦輪船招商局，“前10年盈和，成為長(zhǎng)江上重要商局，招商局和英商太古、怡和三家呈鼎立之勢(shì)”。這說(shuō)明該企業(yè)的創(chuàng)辦 (

)A．打破了外商對(duì)中國(guó)航運(yùn)業(yè)的壟斷B．阻止了外國(guó)對(duì)中國(guó)的經(jīng)濟(jì)侵略C．標(biāo)志著中國(guó)近代化的起步D．使李鴻章轉(zhuǎn)變?yōu)槊褡遒Y本家1．李鴻章1872年在上海創(chuàng)辦輪船招商局，“前10年盈和，成解析：李鴻章是地主階級(jí)的代表，并未轉(zhuǎn)化為民族資本家；洋務(wù)運(yùn)動(dòng)標(biāo)志著中國(guó)近代化的開(kāi)端，但不是具體以某個(gè)企業(yè)的創(chuàng)辦為標(biāo)志；洋務(wù)運(yùn)動(dòng)中民用企業(yè)的創(chuàng)辦在一定程度上抵制了列強(qiáng)的經(jīng)濟(jì)侵略，但是并未能阻止其侵略。故B、C、D三項(xiàng)表述都有錯(cuò)誤。答案：A解析：李鴻章是地主階級(jí)的代表，并未轉(zhuǎn)化為民族資本家；洋務(wù)運(yùn)動(dòng)二、近代以來(lái)交通、通訊工具的進(jìn)步對(duì)人們社會(huì)生活的影響(1)交通工具和交通事業(yè)的發(fā)展，不僅推動(dòng)各地經(jīng)濟(jì)文化交流和發(fā)展，而且也促進(jìn)信息的傳播，開(kāi)闊人們的視野，加快生活的節(jié)奏，對(duì)人們的社會(huì)生活產(chǎn)生了深刻影響。(2)通訊工具的變遷和電訊事業(yè)的發(fā)展，使信息的傳遞變得快捷簡(jiǎn)便，深刻地改變著人們的思想觀念，影響著人們的社會(huì)生活。二、近代以來(lái)交通、通訊工具的進(jìn)步對(duì)人們社會(huì)生活的影響2．清朝黃遵憲曾作詩(shī)曰：“鐘聲一及時(shí)，頃刻不少留。雖有萬(wàn)鈞柁，動(dòng)如繞指柔?！边@是在描寫 (

)A．電話B．汽車C．電報(bào) D．火車解析：從“萬(wàn)鈞柁”“動(dòng)如繞指柔”可推斷為火車。答案：D2．清朝黃遵憲曾作詩(shī)曰：“鐘聲一及時(shí)，頃刻不少留。雖stata操作介紹之時(shí)間序列分析課件[典題例析][例1]

上海世博會(huì)曾吸引了大批海內(nèi)外人士利用各種交通工具前往參觀。然而在19世紀(jì)七十年代，江蘇沿江居民到上海，最有可能乘坐的交通工具是 (

)A．江南制造總局的汽車B．洋人發(fā)明的火車C．輪船招商局的輪船D．福州船政局的軍艦[典題例析][例1]上海世博會(huì)曾吸引了大批海內(nèi)外人[解析]由材料信息“19世紀(jì)七十年代，由江蘇沿江居民到上?！笨膳袛嘧钣锌赡苁禽喆猩叹值妮喆?。[答案]

C[解析]由材料信息“19世紀(jì)七十年代，由江蘇沿江居[題組沖關(guān)]1．中國(guó)近代史上首次打破列強(qiáng)壟斷局面的交通行業(yè)是(

)A．公路運(yùn)輸 B．鐵路運(yùn)輸C．輪船運(yùn)輸 D．航空運(yùn)輸解析：根據(jù)所學(xué)1872年李鴻章創(chuàng)辦輪船招商局，這是洋務(wù)運(yùn)動(dòng)中由軍工企業(yè)轉(zhuǎn)向兼辦民用企業(yè)、由官辦轉(zhuǎn)向官督商辦的第一個(gè)企業(yè)。具有打破外輪壟斷中國(guó)航運(yùn)業(yè)的積極意義，這在一定程度上保護(hù)了中國(guó)的權(quán)利。據(jù)此本題選C項(xiàng)。答案：C[題組沖關(guān)]1．中國(guó)近代史上首次打破列強(qiáng)壟斷局面的交通行業(yè)是2.右圖是1909年《民呼日?qǐng)?bào)》上登載的一幅漫畫(huà)，其要表達(dá)的主題是(

)A．帝國(guó)主義掠奪中國(guó)鐵路權(quán)益B．西方國(guó)家學(xué)習(xí)中國(guó)文化C．西方列強(qiáng)掀起瓜分中國(guó)狂潮D．西方八國(guó)組成聯(lián)軍侵略中國(guó)2.右圖是1909年《民呼日?qǐng)?bào)》上登載的解析：從圖片中可以了解到各國(guó)舉的燈籠是火車形狀，20世紀(jì)初的這一幅漫畫(huà)