本篇文章给大家谈谈stata时间序列，以及时间序列平稳性的检验对应的知识点，文章可能有点长，但是希望大家可以阅读完，增长自己的知识，最重要的是希望对各位有所帮助，可以解决了您的问题，不要忘了收藏本站喔。
本文目录
- 如何运用stata进行时间序列分析
- stata里sort是什么意思
- 怎么用STATA检验时间序列数据的异方差和自相关
- stata怎么创建时间序列的数据文件
- stata怎么处理时间序列数据
- 怎样用stata做时间序列
- 请问STATA里sort,tsset的指令是什么意思
一、如何运用stata进行时间序列分析
1、建立工作文件，创建并编辑数据。结果如下图所示。
2、在命令行输入lsycx,然后回车。
3、弹出equation窗口，如图所示。观察t统计量、可决系数等，可知模型通过经济意义检验，查表与X的t统计量比较发现，t检验值显著。模型对Y的解释程度高达99.3%。
4、将样本期范围从1978-2003年扩展为1978-2004年：在workfile窗口中依次点击proc->Structure。
5、弹出WorkfileStructure窗口，将2003改为2004，然后点击ok，如图所示。
6、在Group窗口中输入2004年X的值，如图所示。
7、在equation窗口中点击Forecast。
9、在workfile窗口中会生成一个yf，双击打开它，如图所示，即可看到对2004年的预测值。
二、stata里sort是什么意思
1、sort指令是STATA数据库的维护的排序指令。tsset是定义数据是一个时间序列数据。如果想对数据文件定义year为时间变量，则输入命令：tsset year。
2、Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。
3、Stata的统计功能很强，除了传统的统计分析 *** 外，还收集了近20年发展起来的新 *** ，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：
4、数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。
5、分类资料的一般分析：参数估计，列联表分析(列联系数，确切概率)，流行病学表格分析等。
6、等级资料的一般分析：秩变换，秩和检验，秩相关等
7、相关与回归分析：简单相关，偏相关，典型相关，以及多达数十种的回归分析 *** ，如多元线性回归，逐步回归，加权回归，稳键回归，二阶段回归，百分位数(中位数)回归，残差分析、强影响点分析，曲线拟合，随机效应的线性回归模型等。
8、其他 *** ：质量控制，整群抽样的设计效率，诊断试验评价， kappa等。
三、怎么用STATA检验时间序列数据的异方差和自相关
一般来讲，时间序列数据较少出现异方差现象，更多地是序列相关问题。
用stata软件实现异方差的检验，最直观的是用图示法。作出残差关于某一解释变量的散点图，具体的命令如下：
graph twoway scatter e解释变量名
此外，还有white检验、G-Q检验和Breuch-Pagan LM检验。white检验不是stata官方的命令，需要单独下载补丁，G-Q检验则需要对变量有较多的先验认识。我重点介绍一下B-P LM检验在stata中的实现：
在执行完回归指令regress以后，用 hettest变量名这个命令就能实现。其中变量名只包括除常数项以外的所有解释变量名称。你可以逐个命令进行操作，也可以用批处理的方式来实现。至于检验的原理不用在这里说了吧？不太明白的话建议查查书。
(y为被解释变量 x为解释变量，执行上述命令便可得到D-W值，不过该检验存在无法判断的盲区且只能对一阶自相关进行检验)
（n为滞后阶数，可以由少及多尝试几次）
四、stata怎么创建时间序列的数据文件
Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。
1.sort指令是STATA数据库的维护的排序指令。附图
2.tsset指令是时间序列数据的估计命令。
如何创建一个截面数据文件？先把数据转移到stata中，然后用tsset命令。
tsset time, yearly（或者weekly、monthly、quarterly）
此时，一定要保证表示时间的那一列数据（即年份）的名称为time。
时间序列数据的回归主要需要注意以下几点：多重共线性（当样本量较小时，例如小于100）和序列相关性。而且需要考察t统计值、R2（adj-R2）、F统计量、D.W.值。
首先用reg命令进行回归，例如：reg y x1 x2 x3 x4 x5，并考察D.W.值（使用estat dwatson这一命令），如果D.W.值严重远离2，那么要进行调整（调整 *** 如黄色底纹），直到调整到2附近，然后考察回归结果是否符合经济学含义，倘若不符合，那么要注意是否受到多重共线性的影响（通过相关系数和vif值来判断）。在处理多重共线性时，可以用类似于处理截面数据的 *** （剔除变量法），同时还要看D.W.值。此外，还可以用差分法来处理多重共线性（此 *** 用得不多）。
用广义差分法考虑序列相关性的命令（即调整DW值的命令）：
reg y x1 x2 x3 x4 x5 L.y（后面还可以运用L.y L2.y）
用序列相关稳健标准误法考虑序列相关性的命令（即调整DW值的命令）：
考虑多重共线性的 *** 除了以上截面数据中用到的 *** 以外，还可以用差分法，然后再看vif值。
reg D.y D.x1 D.x2 D.x3 D.x4 D.x5
五、stata怎么处理时间序列数据
Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。
1.sort指令是STATA数据库的维护的排序指令。附图
2.tsset指令是时间序列数据的估计命令。
如何创建一个截面数据文件？先把数据转移到stata中，然后用tsset命令。
tsset time, yearly（或者weekly、monthly、quarterly）
此时，一定要保证表示时间的那一列数据（即年份）的名称为time。
时间序列数据的回归主要需要注意以下几点：多重共线性（当样本量较小时，例如小于100）和序列相关性。而且需要考察t统计值、R2（adj-R2）、F统计量、D.W.值。
首先用reg命令进行回归，例如：reg y x1 x2 x3 x4 x5，并考察D.W.值（使用estat dwatson这一命令），如果D.W.值严重远离2，那么要进行调整（调整 *** 如黄色底纹），直到调整到2附近，然后考察回归结果是否符合经济学含义，倘若不符合，那么要注意是否受到多重共线性的影响（通过相关系数和vif值来判断）。在处理多重共线性时，可以用类似于处理截面数据的 *** （剔除变量法），同时还要看D.W.值。此外，还可以用差分法来处理多重共线性（此 *** 用得不多）。
用广义差分法考虑序列相关性的命令（即调整DW值的命令）：
reg y x1 x2 x3 x4 x5 L.y（后面还可以运用L.y L2.y）
用序列相关稳健标准误法考虑序列相关性的命令（即调整DW值的命令）：
考虑多重共线性的 *** 除了以上截面数据中用到的 *** 以外，还可以用差分法，然后再看vif值。
reg D.y D.x1 D.x2 D.x3 D.x4 D.x5
六、怎样用stata做时间序列
1、首先打开EViews10软件，新建一个workfile，然后在【Start date】里输入【1979】，在【End date】里输入【1997】，其余保持默认即可，点击【OK】，可以看到如图所示的界面。
2、然后在命令框里输入“data y x”，再按回车键，即可在Group里新建Y X列。
3、然后复制下Excel里面的数据，直接粘贴到软件的表格里，如图所示。
4、然后在命令框中输入“ls y c x”，再按下回车键，执行命令，得到如图所示的界面，此界面显示的为GDP与人均可支配收入最小二乘的结果。
5、然后在该窗口的上方，点击【Forecast】，弹出如图所示的界面，参数默认即可，点击【OK】。
6、可以看到界面出现了预测值曲线和其他的各参数曲线。
七、请问STATA里sort,tsset的指令是什么意思
1、sort指令是STATA数据库的维护的排序指令。tsset是定义数据是一个时间序列数据。如果想对数据文件定义year为时间变量，则输入命令：tsset year。
2、Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。
3、Stata的统计功能很强，除了传统的统计分析 *** 外，还收集了近20年发展起来的新 *** ，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：
4、数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。
5、分类资料的一般分析：参数估计，列联表分析(列联系数，确切概率)，流行病学表格分析等。
6、等级资料的一般分析：秩变换，秩和检验，秩相关等
7、相关与回归分析：简单相关，偏相关，典型相关，以及多达数十种的回归分析 *** ，如多元线性回归，逐步回归，加权回归，稳键回归，二阶段回归，百分位数(中位数)回归，残差分析、强影响点分析，曲线拟合，随机效应的线性回归模型等。
8、其他 *** ：质量控制，整群抽样的设计效率，诊断试验评价， kappa等。
END，本文到此结束，如果可以帮助到大家，还望关注本站哦！
