與時(shí)間序列相關(guān)的stata-命令及其統(tǒng)計(jì)量的解析(已修改)
2025-08-17 01:33 本頁面
【正文】 與時(shí)間序列相關(guān)的STATA 命令及其統(tǒng)計(jì)量的解析殘差U 序列相關(guān)： ①DW 統(tǒng)計(jì)量——針對(duì)一階自相關(guān)的（高階無效） STATA 命令： 統(tǒng)計(jì)量如何看：查表 ②Q 統(tǒng)計(jì)量——針對(duì)高階自相關(guān)correlogramQstatistics STATA 命令： 1． 先回歸reg 2． 取出殘差predict u,residual(不要忘記逗號(hào))3． wntestq u Q 統(tǒng)計(jì)量如何看：p 值越?。ㄔ浇咏?）Q 值越大 ——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: ac u( 殘差) 或者窗口操作在 Graphics ——Timeseries graphs —— correlogram(ac) 偏相關(guān)系數(shù)圖: pac u 或者窗口操作在Graphics——Timeseries graphs—— (pac) 自相關(guān)與偏相關(guān)系數(shù)以及Q 統(tǒng)計(jì)量同時(shí)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(jì)量——針對(duì)高階自相關(guān) 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(gè))——Reports and Statistics(倒數(shù)第二個(gè)) ——在里面選擇 BreushGodfrey LM（當(dāng)然你在里面還可以找到方差膨脹因子還有DW 統(tǒng)計(jì)量等常規(guī)統(tǒng)計(jì)量） LM 統(tǒng)計(jì)量如何看：P 值越?。ㄔ浇咏?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(rèn)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(shí)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(bǔ)救措施： 一階自相關(guān) :最近簡單的方法是用AR(1)模型補(bǔ)救，就是在加一個(gè)殘差的滯后項(xiàng)即可。 高階的自相關(guān):用AR(n)模型補(bǔ)救。 AR 模型的識(shí)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)符號(hào)的信息。但是，對(duì)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)jk,k，以便更加全面的描述自相關(guān)過程AR(p)的統(tǒng)計(jì)特征。 且對(duì)于一個(gè)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(guān)系數(shù)是 p 階截尾的。因此，可以通過識(shí)別AR(p)模型的偏自相關(guān)系數(shù)的個(gè)數(shù)，來確定 AR(p) 模型的階數(shù) p，進(jìn)而設(shè)定正確的模型形式，并通過具體的估計(jì)方法估計(jì)出AR(p) 模型的參數(shù)。 如果AR(p)還解決不了則進(jìn)一步使用：MA(q)模型，以及ARMA(p,q)模型 。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，很難給出一個(gè)關(guān)于 q 的一般表達(dá)式，但是，一個(gè)MA(q) 模型對(duì)應(yīng)于一個(gè)AR(∞) 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(shí)別一個(gè)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(gè)MA(q) 過程。 ARMA(p,q)就是既含有AR 項(xiàng)又含有MA 項(xiàng)。 我們引入了自相關(guān)系數(shù)和偏自相關(guān)系數(shù)這兩個(gè)統(tǒng)計(jì)量來識(shí)別 ARMA(p,q) 模型的系數(shù)特點(diǎn)和模型的階數(shù)。但是，在實(shí)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(shí)別序列的樣本數(shù)據(jù)估計(jì)出來的，并且隨著抽樣的不同而不同，其估計(jì)值只能同理論上的大致趨勢(shì)保持一致，并不能精確的相同。因此，在實(shí)際的模型識(shí)別中，自相關(guān)系數(shù)和偏自相關(guān)系數(shù)只能作為模型識(shí)別過程中的一個(gè)參考，并不能通過它們準(zhǔn)確的識(shí)別模型的具體形式。具體的模型
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1