【正文】 AIC ? Regress RSquare Total RSquare ? DurbinWatson Pr DW Pr DW ? NOTE: PrDW is the pvalue for testing positive autocorrelation, and PrDW is the pvalue for ? testing negative autocorrelation ? Standard Approx ? Variable DF Estimate Error t Value Pr |t| ? Intercept 1 ? price 1 ? ine 1 ? temp 1 .0001 ? Preliminary MSE ? Estimates of Autoregressive Parameters ? Standard ? Lag Coefficient Error t Value ? 1 EGLS(CochraneOrcutt 兩步法 ) results (一次迭代 ) ? Dependent Variable: c2(general differenced) Analysis of Variance ? Sum of Mean ? Source DF Squares Square F Value Pr F ? Model 3 .0001 ? Error 25 ? Corrected Total 28 ? Root MSE RSquare ? Dependent Mean Adj RSq ? Coeff Var ? Parameter Standard ? Variable DF Estimate Error t Value Pr |t| ? Intercept 1 ? t2 1 .0001 ? i2 1 ? p2 1 FGLS— 包含第一次觀測的 PW估計(jì)結(jié)果 ? Analysis of Variance ? Sum of Mean ? Source DF Squares Square F Value Pr F ? Model 4 .0001 ? Error 25 ? Uncorrected Total 29 ? Root MSE RSquare ? Dependent Mean Adj RSq Coeff Var ? Parameter Standard ? Variable DF Estimate Error t Value Pr |t| ? int 1 ? price1 1 ? ine1 1 ? temp1 1 .0001 自變量含滯后因變量 ? Sas 程序 : ? Proc autoreg data=aa。 ? Model y=x ylag/lagdep=ylag。 ? Run。 ? 缺省的方法為 ML極大似然估計(jì) 。 ? Lagdep= 打印出durbinh test results。 ? Lagdep 打印出durbint test results。 ? 看相應(yīng)的 pvalue 判斷是否有自相關(guān) 。 自回歸條件異方差(ARCH/GARCH) ? GARCH模型假定誤差盡管不相關(guān)但是不獨(dú)立 ,且條件誤差方差為序列過去值的函數(shù) .Proc autoreg過程把自回歸誤差和 Garch類的異方差性結(jié)合在一起 ,輸出條件均值和條件方差的預(yù)測值 。 ? Proc autoreg data=aa。 ? Model y=x/nlag= garch(p= q=) maxit=。 ? Output out=out cev=vhat。 ? GARCH 模型使用的最大似然估計(jì)方法 。 ? 詳見 SAS/ETS中的 autoreg過程 . 條件異方差檢驗(yàn)的結(jié)果 ? Q and LM Tests for ARCH Disturbances ? Order Q Pr Q LM Pr LM ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ? 10 ? 11 ? 12 ? 從上面的 pvalue 可以看出不存在條件異方差 。 其他有關(guān)時(shí)間序列的過程 ? 分布滯后模型 Proc Pdlreg. ? 向量自回歸 Proc varmax。 ? 時(shí)間序列建模 Proc Arima ? 時(shí)間序列預(yù)測 Proc forecast. ? Stata中的命令 rreg（魯棒回歸）； reg， robust給出來穩(wěn)健的 t值； newey和 newey2給出來不同條件下的（包括面板數(shù)據(jù)，內(nèi)生變量等）異方差自相關(guān)穩(wěn)健估計(jì)（ HAC）。