发布时间 : 星期三 文章与时间序列相关的S命令及其统计量的解析更新完毕开始阅读28b314c715791711cc7931b765ce050877327523
以图形的方式现实)
或者在Statistics——Time-series——TEST——Bartlett 检验(第四个)
画密度图:
1、 概率密度图
命令:pergram var ,generate(新变量名字) 将概率密度的图上所生成的值生成并储存在新变量里,这个不是必须的,只是为了日后方便。
窗口:Statistics——Time-series——Graphs——Periodogram(第五个)
2. 累积分布函数图
命令:cumsp var ,generate(新变量名字) 解释同上,并且这个生成新变量的功能似乎只能通过命令完成。
窗口:Statistics——Time-series——Graphs——Cumulative Spectral distribution
单位根检验(219)
1、 Dickey-Fuller 检验
命令:dfuller var (,lags(#)/trend/noconstant/regress/)
对变量做ADF 检验可以加滞后期或趋势项或不含常数项等等这些取决于你的模型。
窗口:Statistics——Time-series——TEST——ADF 单位根检验(第一个)在里面你也可以选择滞后期数,常数项等等。
如何看结果:
原假设为:至少存在一个单位根;备选假设为:序列不存在单位根。
如果统计量小于后面的显着性水平给出的值且P 值很大——有单位;
如果统计量大于后面的显着性水平给出的值且 P 值很小——无单位根
ADF 检验需要注意的地方:
(1)必须为回归定义合理的滞后阶数,通常采用AIC 准则来确定给定时间序列模型的滞后阶数。在实际应用中,还需要兼顾其他的因素,如系统的稳定性、模型的拟合优度等。
(2)可以选择常数和线性时间趋势,选择哪种形式很重要,因为检验显着性水平的 t 统计量在原假设下的渐进分布依赖于关于这些项的定义。
① 如果在检验回归中含有常数,意味着所检验的序列的均值不为 0,一个简单易行的办法是画出检验序列的曲线图,通过图形观察原序列是否在一个偏离 0 的位臵随机变动,进而决定是否在检验时添加常数项;
② 如果在检验回归中含线性趋势项,意味着原序列具有时间趋势。同样,决定是否在检验中添加时间趋势项,也可以通过画出原序列的曲线图来观察。如果图形中大致显示了被检验序列的波动趋势随时间变化而变化,那么便可以添加时间趋势项。
2、Phillips-Perron 检验
命令:pperron var , (,lags(#)/trend/noconstant/regress/)对变量做 PP 检验可以加滞后期或趋势项或不含常数项等等这些取决于你的模型。
窗口操作:Statistics——Time-series——TEST——PP 单位根检验(第三个)
如何看结果:
同ADF 一样 原假设为:至少存在一个单位根;备选假设为:序列不存在单位根。
P 值越小(统计量大于各显着性水平值)——不存在单位根
P 值越大(统计量小于各显着性水平值)——存在单位根
向量自相关回归VAR 模型
向量自回归(VAR)模型是AR 模型的多元扩展,用以反映在一个系统中的多个变量之间的动态影像,格兰杰因果检验、脉冲响应、方差分解都是 VAR 模型中重要的分析工具。
与VAR 模型相关的STATA 命令与解析
1、 VAR 模型的估计
STATA 命令:
var 解释变量 (,无常数项noconstant/滞后期lags(n)/ 外生变量exog(varlist)/constraints(numlist)线性约束的个数
{注意:使用线性约束要提前定义,详情见建模中的各种小问题}/LIKEPOHL 滞后阶数选择的统计量lutstats)
窗口操作:Statistics——Multivariate time series——VAR(第二项)
如何看结果:
保存估计结果的命令:est store 名称
2. VAR 模型平稳性
STATA 命令:varstable(,graph 表示画出图形)
如何看结果:特征值都在圆内,即都小于1,表示VAR 模型稳定
窗口操作:Statistics ——Multivariate time series ——VAR diagnostics and tests——check stability condition of VAR estimates
3. VAR 阶数的选择——滞后阶数的确定
在VAR 模型中,正确的选择模型的滞后阶数,对于模型的估计和协整检验都产生一定的影响,小样本情况更是如此。
(1)STATA 命令:用于VAR 模型估计之前
varsoc 解释变量(,没有常数项noconstant/最高滞后 期 maxlag(#)/ 外 生 变 量 exog(varlist)/ 线 性 约 束 条 件 constraints(numlist))
(2)命令:用于模型估计之后
解释变量(,estimates(estname)) 其中,estname 表示已经估计的VAR 模型的名字。
(1)(2)如何看结果:找最显着的阶数作为其滞后项(一般会标有 ※)
(3)命令:用于模型估计之后(Wald 滞后排除约束检验) Varwle