stata操作介绍之时间序列-(四)课件VIP

第四，平稳的时间序列分析，第一，学习通信PPT，自相关分析ARIMA模型，第二，学习通信PPT，平稳的分析，大部分时间序列数据具有起伏波动，很难识别时间序列数据。平滑分析可以将数据分成两部分。一部分逐渐变化，便于分析处理。其他部分含有突变的成分。时间平滑：按照特定时间和该时间前后的多个时间值计算加权平均值，然后按照该时间的替代值过滤小扰动的方法。以1983年1 7月米尔福德的自来水消耗量为例，学习交换PPT，顺利分析。文件：ch51.dta，4，学习通信PPT，导入数据：use c 3360 users administrator desktop 时间系列数据ch51.dta ，clear，5，学习通信PPT，平滑分析，平滑分析describe、6、6、学习通信PPT、平滑分析、创建日期变量(a):gendate=mdy (month，day，year)。listi n1/5，7，学习交换PPT，平滑分析，设置时间(2):ts setdate，格式(%d)。listi n1/5，8，学习通信PPT，平滑分析，趋势图：graphtwolinewaterdate、Ylabel(300(100)900)、9、学习AC PPT、平滑分析、移动平均生成(1):genwater 3=(water_ n-1water_ nwater_ nwater_ n 1)/3，10，学习AC PPTtssmoothmawater 5=water，window (212)注意：tssmooth:表示移动平均平滑(无加权或加权)。Window(212):通过对使用此值的前两个值、此值和此值的后两个值求平均值来计算。11、学习通信PPT、平滑分析、趋势图：graphtwinewater 5 date，cl width (thick) | linewaterdate，cl width (thin) cl pattern (solid)，12，学习ACgench=water-water 5.listin1/5，13，学习通信PPT，平滑分析，可变步骤：graphtwolinechdate，14，学习通讯PPT，平滑分析-延迟变量，导入数据：use c 3360 users administrator desktop 时间系列数据ch52.dta ，清除技术统计信息：设定describe时间：tssetyear、yearly、15、学习交换PPT、平滑分析-延迟变量、时间平滑：tssmoothmafylln=fylltemp，window (212)，16，学习交换PPT，平滑分析-延迟变量，趋势图：graphtwitkefylltempyear，base(1.67)yline(1.67)| | linefylLnyear，cl pattern (solid)，17，学习ACgenwner _ n=wnh _ n-1。genwna _ n=ln.wnpo注：第二种方法中的ln表示lag (n)。18，生成学习AC PPT，平滑分析-延迟变量，第一次延迟变量：genwnpo _ 1=wnho _ n-1建立次要延迟变数：genwnpo _ 2=L2。wnho，19，学习AC PPT，平滑分析-延迟变量，20，学习AC PPT，平滑分析-延迟变量，三种延迟回归方法3360 . regfylltempwnpaown _ 1 wnh _ 2 ifARIMA模型取决于原始序列的平滑状态(移动平均过程(MA)、自动回归过程(AR)、自动回归移动平均过程(ARMA)、ARIMA过程等)以及回归中包含的部分。29，学习交换PPT，ARIMA模型，ARIMA模型工作阶段：1，检查变量，如果变量稳定，则第二阶段，否则不能使用ARIMA模型；2、制作变量自相关图；3、根据变量的自相关度选择合适的模型；4、基于选定模型执行分析，并验证系数是否重要。如果系数不重要，则选取的模型可能有问题。如果所有系数都很重要，请执行第五步。请确认残差是自相关的。如果残差有磁性，那么选定的模型有问题。如果残差没有自相关性，则选定的模型合适。，30，学习交换PPT，ARIMA模型，三种单位根检查方法：pperron检查：pperronfylltemp，lag(3)说明：由于p值为0.0003且小于0.05，因此拒绝原始假设，表明变量不符合稳定性测试；31、学习通信PPT、ARIMA型号、dfuller检查：dfullerfylltemp，lag(3)说明：无法拒绝原始假设，因为p值为0.089且大于0.05。32、学习通信PPT、ARIMA模型、dfglsfylltemp、maxlag(3)notrend说明：由于p值为0.0且小于0.05，因此拒绝表明变量不符合稳定性测试的原始假设。33、学习通信PPT、pperron检查和dfgls检查拒绝了fylltemp变量稳定的假设，但dfuller检查可能无法拒绝原始假设或认为变量稳定。34，学习交换PPT，ARIMA模型，自相关表：corrgramfylltemp，lags(4)说明：此变量的自相关性随延迟时间的增加而减小，部分自相关性在1期后向后消失，适合模型AR(1)，适合分析此变量。35，学习通信PPT，ARIMA型号，ar (1) :arimafylltemp，ARIMA (1，0，0) nolog描述：常数和一个周期延迟变数系数在统计上很重要，Cai平方检查也很重要。36，学习通信PPT，因此，上图可以得到模型：在得出结论之前，必须检查残差的测试和残差的自相关性。在执行测试之前，必须生成残差。37，学习通信PPT，ARI