stata怎么判断是否存在异常值_你可以迅速上⼿的时间序列分
析教程stata专版
⽬录
第⼀部分  经典论⽂分析
第⼆部分  ARIMA模型以及stata操作实例
(1)ARMA模型分析原理
(2)ADL模型分析原理
stata怎么发音(3)stata实例操作
第三部分  VAR模型以及stata操作实例
时间序列是指以固定时间为间隔的、由所观察的值组成的序列。根据观测值的不同频率，可将时间序列分成⼩时、天、星期、⽉份、季度和年等时间形式的序列。有时候，你也可以将秒钟和分钟作为时间序列的间隔，如每分钟的点击次数和访客数等等。
为什么我们要对时间序列进⾏分析呢？因为当你想对⼀个序列进⾏预测时，⾸先要完成分析这个步骤。除此之外，时间序列的预测也具有极⼤商业价值，如企业的供求量、⽹站的访客量以及股票价格等，都是极其重要的时间序列数据。
早期的单变量时间序列模型有较少的参数却可以得到⾮常精确的预测，因此随着Box and Jenkins(1984)等奠基性的研究，时间序列⽅法得到迅速发展。从单变量时间序列到多元时间序列模型，从平稳过程到⾮平稳过程，时间序列分析⽅法被⼴泛应⽤于经济、⽓象和过程控制等领域。本章将介绍如下时间序列分析⽅法，ARIMA模型、ARCH族模型、VAR模型、VEC模型、单位根检验及协整检验等。
第⼀部分  经典论⽂分析
在全球⼈⼝增长和⽓候变化的背景下，监测农作物是维持农业的必要条件保护⾃然资源。许多研究已经证明了光学和合成孔径雷达的能⼒遥感数据估计作物参数，这些数据没有经过⽐较或组合预测作物物候期。尽管SAR极化数据对作物物候期⾼度敏感，但没有研究使⽤了⾼时间分辨率的数据。免费提供的SAR时间序列为每周以⾼空间分辨率监测作物物候提供了⼀个独特的机会基础。
第⼆部分  ARIMA模型以及stata操作实例
(1)ARMA模型分析原理
对于AR(p)模型，其ACF函数拖尾，⽽PACF函数截尾。如果出现这种情形，则可判断其为AR(p)，不包含移动平均的部分。另⼀⽅⾯，对于
MA(q)模型，其ACF函数截尾，⽽PACF函数拖尾。如果出现这种情形，则可判断其为MA(q)，不包含⾃回归的部分。如果以上两种情形均
不符合，即ACF函数与PACF函数都拖尾①，则要考虑⼀般的ARMA(p,q)模型，其中p,q均不为零时间序列分析的⿐祖，Box, Jenkins
andReinsel(1994)认为，对⼤多数情况，p≤2与q≤2就⾜够了。当然，为了保险起见，可以让Pmax与qm更⼤些。具体如何确定p,q，可
以依据信息准则或由⼤到⼩的序贯t规则。在估计完模型之后，仍然需要进⾏⼀些诊断性分析( diagnosticchecking)，以确定ARMA(p,q)模
型的假定是否成⽴。其中，最重要的假定是，扰动项{ }为⽩噪声。如果模型过⼩(inadequate)，即p
(2)ADL模型分析原理
如果⾃回归分布滞后模型满⾜以下假定，则万事⼤吉，可以⽤OLS来估计它。E(y1-1yt-2, ,x1,t-1,1,-2,,x1-1,xk,t-2,…)=0。这个假定类
似于严格外⽣性假设，它意味着扰动项ε，与所有解释变量的整个历史全部⽆关。这保证了对滞后期数(p,91,…,9K)的设定是正确的。如果滞
后期数的设定不正确，⽐如，真实模型还应该包括：
(i) y-(p+1)，但该项p+1y-(p+1)却被纳⼊扰动项ε，中，则扰动项ε，便与解释变量相关，导致OLS不⼀致。
(ii)  {y1,x1,…,x}为渐近独⽴的平稳序列。
(iii)  {y,,x1,…,x}有⾮零的有限四阶矩。
(iv)  解释变量⽆完全多重共线性。
对滞后期数的选择可以使⽤信息准则(最⼩化AIC或BIC)，或使⽤t,F检验来检验最后⼀期系数的显著性。更⼀般地，可以在ARMA模型中引⼊
其他变量，称为“ARMAX”模型。
(3)stata实例操作
**⾃相关与偏⾃相关**计算第1⾄第#阶ACF与PACF，以及检验⾃相关的Q统计量corrgram,lags(#)  **将ACF画成⾃相关图，并给出置信区间ac y , lags(#)**将PACF画成
下⾯以数据集 pe dta为例。该数据集的主要变量 logpe为18712002年美国标准普尔股指(S&P)的市盈率(price earning ratio)对数。由于 logpe为⾮平稳序列，故对其差分建⽴ARMA模型。⾸先，定义其⼀阶差分为“d_logpe”:
use pe.dta,cleartwoway (line logpe year)twoway (line logpe year) (qfitci logpe year)
**绘制logpe⼀阶差分折线图twoway (line logpe year) (line d_logpe year)
**计算第1⾄第10阶ACF与PACFcorrgram d_logpe,lags(10)
**将ACF画成⾃相关图，并给出置信区间ac d_logpe ,lags(10)**将PACF画成偏⾃相关图，并给出置信区间pac d_logpe,lags(10)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。