時(shí)間序列分析教材(ppt32頁)-wenkub.com
2025-03-02 12:59 本頁面
【正文】 2023年 3月 22日星期三 11時(shí) 24分 54秒 11:24:5422 March 2023 ? 1一個(gè)人即使已登上頂峰，也仍要自強(qiáng)不息。勝人者有力，自勝者強(qiáng)。 , March 22, 2023 ? 閱讀一切好書如同和過去最杰出的人談話。 。 :24:5411:24Mar2322Mar23 ? 1世間成事，不求其絕對圓滿，留一份不足，可得無限完美。 2023年 3月 22日星期三 11時(shí) 24分 54秒 11:24:5422 March 2023 ? 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 :24:5411:24:54March 22, 2023 ? 1他鄉(xiāng)生白發(fā)，舊國見青山。 , March 22, 2023 ? 雨中黃葉樹，燈下白頭人。其中 ut –1稱為 ARCH項(xiàng)， ?t 1稱為 GARCH項(xiàng)。其中 第一 式稱作均值方程， 第二 式稱作 ARCH方程。Stata中 VAR模型 johansen檢驗(yàn)的實(shí)現(xiàn)，是通過如下基本命令來實(shí)現(xiàn)的： ? vecrank depvar [if] [in] [, options] 主要選項(xiàng) 描述 lags() VAR模型的最高滯后階數(shù) trend(constant) VAR模型有常數(shù)項(xiàng) ， 協(xié)整方程有常數(shù)項(xiàng) trend(rconstant) VAR模型有常數(shù)項(xiàng) ， 協(xié)整方程無常數(shù)項(xiàng) trend(trend) VAR模型有趨勢項(xiàng) ， 協(xié)整方程有趨勢項(xiàng) trend(rtrend) VAR模型有趨勢項(xiàng) ， 協(xié)整方程無趨勢項(xiàng) trend(none) VAR模型無常數(shù)項(xiàng) ， 協(xié)整方程無常數(shù)項(xiàng) Page 28 STATA從入門到精通 ? 【例 】表 1110給出了我國 CPI、利率 R、狹義貨幣供應(yīng)量 M1經(jīng)過修勻后的數(shù)據(jù)。該表給出了某地區(qū)每年的年度總?cè)丝跀?shù)。這里要求使用 dickeyfuller檢驗(yàn)、 GLS擴(kuò)展的 dickeyfuller檢驗(yàn)和 phillipsperron檢驗(yàn)三種方法，對 GNP的一階差分進(jìn)行平穩(wěn)性檢驗(yàn)。在本例中我們對 GNP時(shí)間序列進(jìn)行分析，觀察期相關(guān)圖和自相關(guān)圖，從而得到GNP時(shí)間序列的類型。 ? 偏自相關(guān)度量的是 k期間距的相關(guān)而不考慮 k 1期的相關(guān)。 ? 若 隨機(jī)過程 yt 經(jīng)過 d 次差分之后可變換為一個(gè)以 ? (L)為 p階自回歸算子， ? (L)為 q階移動平均算子的平穩(wěn)、可逆的隨機(jī)過程，則稱 yt 為（ p, d, q）階單整 (單積 )自回歸移動平均過程，記為 ARIMA (p, d, q)。 Page 11 STATA從入門到精通 ? 自回歸移動平均過程 ? 由自回歸和移動平均兩部分共同構(gòu)成的隨機(jī)過程稱為自回歸移動平均過程，記為 ARMA(p, q), 其中 p, q分別表示自回歸和移動平均部分的最大階數(shù)。 Page 10 STATA從入門到精通 ARIMA模型的估計(jì)、單位根與協(xié)整 ? 時(shí)間序列模型一般分為四類，分別是自回歸過程、移動平均過程、自回歸移動平均過程、單整自回歸移動平均過程。 ? 通過測定和分析過去一段時(shí)間之內(nèi)現(xiàn)象的發(fā)展趨勢，可以認(rèn)識和掌握現(xiàn)象發(fā)展變化的規(guī)律性，為統(tǒng)計(jì)預(yù)測提供必要的條件，同時(shí)也可以消除原有時(shí)間序列中長期趨勢的影響，更好地研究季節(jié)變動和循環(huán)變動等問題。該例子是我國 1983年 1月年至 2023年 8月的居民消費(fèi)價(jià)格指數(shù) CPI。 harfyearly timevar的格式為 %th， 0=1960h1， 1=1960h2；即 0為從 1960起的第一個(gè)半年 ， 1為從 1960年起第二個(gè)半年 ， 依次后推 。daily timevar的格式為 %td， 0=1jan1960， 1=2jan1960；即 0為 1960年第一天 ， 1為 1960年第二天 ， 依次后推 。 Options的相關(guān)描述如表 111所示。 Page 3 STATA從入門到精通 定義時(shí)間序列在 stata中的實(shí)現(xiàn) ? 在進(jìn)行時(shí)間序列的分析之前，首先要定義變量為時(shí)間序列數(shù)據(jù)。STATA 從入門到精通 第十一章 時(shí)間序列分析 Page 2 STATA從入門到精通 基本時(shí)間序列模型的估計(jì) ? 在許多情況下，人們用時(shí)間序列的觀測時(shí)期代表的時(shí)間作為模型的解釋變量，用來表示被解釋變量隨時(shí)間的自發(fā)變化趨勢。只有定義之后，才能對變量使用時(shí)間序列運(yùn)算符號，也才能使用時(shí)間序列分析的相關(guān)命令。 Page 4 STATA從入門到精通 ? 注：（ 1） units表示時(shí)間單位，對于 %tc，允許的時(shí)間單位包括： second、 seconds、 secs、 secs、minutes、 minute、 mine、 min、 hours、 hour、 days、 weeks、 week。 weekly timevar的格式為 %tw， 0=1960w1， 1=1960w2；即 0為 1960年第一周 ， 1為 1960年第二周 ， 依次后推 。 yearly timevar的格式為 %ty， 1960=1960， 1961=1960 generic timevar的格式為 %tg format(%fmt) 用戶定義的其他 時(shí)間周期 例子 delta() 例如 delta(1)或 delta(2) delta((exp)) 例如 delta((7*24)) delta(units) 例如 delta(7 days)或 delta(15 minutes)或 delta(7 days 15 minutes)。部分?jǐn)?shù)據(jù)如表 112所示： ? 表 112 我國居民消費(fèi)價(jià)格指數(shù) CPI Year month cpi 1983 1 1983 2 1983 3 1983 4 1983 5 1983 6 1983 7 Page 7 STATA從入門到精通 對時(shí)間序列進(jìn)行修勻 ? 時(shí)間序列的形成是各種不同的因素對事物的發(fā)展變化共同起作用的結(jié)果。測定和分析長期趨勢的主要方法是對時(shí)間序列進(jìn)行修勻。 ? 自回歸過程 ? 如果一個(gè)剔出均值和確定性成分的線性過程可表達(dá)為 ? xt = ? 1xt1 + ? 2 xt2 + … + ? p xtp + ut ? 其中 ?i, i = 1, … p 是自回歸參數(shù)， ut 是白噪聲過程，則稱 xt為 p階自回歸過程，用 AR(p)表示。ARMA(p, q) 的一般表達(dá)式是 ? xt = ? 1xt1 + ? 2xt2 +…+ ? p xtp + ut +? 1ut1 + ? 2 ut2 + ...+ ? q utq ? 單整自回歸移動平均過程 ? 對于 ARMA過程（包括 AR過程），如果特征方程 ?(L) = 0 的全部根取值在單位圓之外，則該過程是平穩(wěn)的；如果若干個(gè)或全部根取值在單位圓之內(nèi)，則該過程是強(qiáng)非平穩(wěn)的。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1