目录
在时间序列分析中,平稳性是一个非常重要的概念。平稳性检验是判断时间序列数据是否具有稳定的统计特性,这对于后续的建模和预测至关重要。本文将详细介绍平稳性检验的方法及在 Stata 中的具体操作步骤,并结合实际数据进行演示。
一、平稳性的概念
平稳性分为严平稳和宽平稳。严平稳要求序列的联合分布在时间平移时保持不变;宽平稳则要求序列的均值、方差为常数,自协方差仅与时间间隔有关。
时间序列的平稳性具有以下重要意义:
- 平稳时间序列在不同时间段上的表现具有相似性,使得基于历史数据的分析和预测更具可靠性。
- 平稳性简化了模型的构建和参数估计,提高了模型的准确性和稳定性。
二、平稳性检验的方法
- 可视化检查
通过绘制时间序列图观察数据的趋势和季节性。这是一种直观但较为初步的方法,能帮助我们对数据的大致特征有一个直观的认识。 - 单位根检验
常见的单位根检验方法有 ADF 检验(Augmented Dickey-Fuller Test)和 PP 检验(Phillips-Perron Test)。
ADF 检验的原理:ADF 检验基于自回归模型,通过检验单位根的存在来判断序列的平稳性。其基本思想是,如果时间序列存在单位根(即非平稳),那么其差分序列应该是平稳的。
PP 检验的原理:PP 检验对 ADF 检验进行了改进,考虑了序列中的异方差性,在检验统计量的构造上更加稳健。
三、数据准备
为了进行平稳性检验,我们从雅虎财经获取了苹果公司(AAPL)从 2015 年 1 月 1 日到 2024 年 6 月 28 日的每日收盘价数据,并将其保存为 aapl.dta
数据集。
use aapl.dta, clear
四、可视化检查
tsline close_price
通过绘制时间序列图,我们可以初步观察数据的走势,判断是否存在明显的趋势或季节性。
五、ADF 检验
1.基本的 ADF 检验
dfuller close_price
检验结果中会给出 t 统计量、p 值等信息。
2. 考虑趋势和截距项的 ADF 检验
dfuller close_price, trend
若数据可能存在趋势,添加 trend
选项进行检验。
3. 考虑季节性的 ADF 检验
由于股票价格数据通常不存在明显的季节性,此处不进行季节性的检验。
六、PP 检验
pperron close_price
七、代码解释
dfuller
和pperron
命令后的变量名close_price
指定了要检验的时间序列。- 各种选项如
trend
用于根据数据特点调整检验的设定。
八、代码运行结果解读
以基本的 ADF 检验为例,假设得到的 t 统计量为 -1.8,p 值为 0.12。由于 p 值大于 0.05 的显著性水平,我们不能拒绝原假设,认为该序列可能是非平稳的。
对于考虑趋势的 ADF 检验,若得到 t 统计量为 -3.5,p 值为 0.01。由于 p 值小于 0.05,我们拒绝原假设,认为在考虑趋势的情况下,序列是平稳的。
PP 检验结果类似,同样根据 p 值与显著性水平的比较来判断序列的平稳性。
代码附录
以下是完整的代码:
// 假设已经准备好数据并保存为 aapl.dta
use aapl.dta, clear
// 可视化检查
tsline close_price
// 基本的 ADF 检验
dfuller close_price
// 考虑趋势的 ADF 检验
dfuller close_price, trend
// PP 检验
pperron close_price
【免费】2007-2021年36家上市银行绿色信贷余额、绿色信贷占比、资产收益率、不良贷款率等数据资源-CSDN文库