與時間序列相關的stata-命令及其統(tǒng)計量的解析(已修改)
2025-08-17 01:33 本頁面
【正文】 與時間序列相關的STATA 命令及其統(tǒng)計量的解析殘差U 序列相關： ①DW 統(tǒng)計量——針對一階自相關的（高階無效） STATA 命令： 統(tǒng)計量如何看：查表 ②Q 統(tǒng)計量——針對高階自相關correlogramQstatistics STATA 命令： 1． 先回歸reg 2． 取出殘差predict u,residual(不要忘記逗號)3． wntestq u Q 統(tǒng)計量如何看：p 值越小（越接近0）Q 值越大 ——表示存在自相關 具體自相關的階數(shù)可以看自相關系數(shù)圖和偏相關系數(shù)圖： STATA 命令： 自相關系數(shù)圖: ac u( 殘差) 或者窗口操作在 Graphics ——Timeseries graphs —— correlogram(ac) 偏相關系數(shù)圖: pac u 或者窗口操作在Graphics——Timeseries graphs—— (pac) 自相關與偏相關系數(shù)以及Q 統(tǒng)計量同時表示出來的方法： corrgram u 或者是窗口操作在 Statistics——Timeseries——Graphs—— Autocorrelationsamp。Partial autocorrelations ③LM 統(tǒng)計量——針對高階自相關 STATA 命令： 1． 先回歸reg 2． 直接輸入命令 estate bgodfrey,lags(n) 或者窗口操作 在 Statistics— —Postestimation(倒數(shù)第二個)——Reports and Statistics(倒數(shù)第二個) ——在里面選擇 BreushGodfrey LM（當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?。ㄔ浇咏?0）表示越顯著（顯著拒絕原假設），存在序列相關 具體是幾階序列相關，你可以把滯后期寫為幾，當然默認是 1，（通常的方法是先看圖，上面說的自相關和偏相關圖以及Q 值，然后再利用LM 肯定）。 平穩(wěn)時間序列存在自相關的問題的解決方案殘差出現(xiàn)序列相關的補救措施： 一階自相關 :最近簡單的方法是用AR(1)模型補救，就是在加一個殘差的滯后項即可。 高階的自相關:用AR(n)模型補救。 AR 模型的識別與最高階數(shù)的確定： 可通過自相關系數(shù)來獲得一些有關 AR(p) 模型的信息，如低階 AR(p) 模型系數(shù)符號的信息。但是，對于自回歸過程AR(p)，自相關系數(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系數(shù)jk,k，以便更加全面的描述自相關過程AR(p)的統(tǒng)計特征。 且對于一個AR(p) 模型，jk,k 的最高階數(shù)為p，也即AR(p) 模型的偏自相關系數(shù)是 p 階截尾的。因此，可以通過識別AR(p)模型的偏自相關系數(shù)的個數(shù)，來確定 AR(p) 模型的階數(shù) p，進而設定正確的模型形式，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 。MA(q) MA(q) 的偏自相關系數(shù)的具體形式隨著 q 的增加變得越來越復雜，很難給出一個關于 q 的一般表達式，但是，一個MA(q) 模型對應于一個AR(∞) 模型。因此，MA(q) 模型的偏自相關系數(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系數(shù)的拖尾形式，大致確定它應該服從一個MA(q) 過程。 ARMA(p,q)就是既含有AR 項又含有MA 項。 我們引入了自相關系數(shù)和偏自相關系數(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，自相關系數(shù)和偏自相關系數(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，自相關系數(shù)和偏自相關系數(shù)只能作為模型識別過程中的一個參考，并不能通過它們準確的識別模型的具體形式。具體的模型
黨政相關相關推薦
鄂ICP備17016276號-1