【STATA】ARIMA模型（含代码）

0. 缘起

一个被数学建模折磨的苦命人，在CSDN上找不到STATA相关的教程，没办法只有自己借了两本书，找了些相关资料进行学习。想到可能有同样苦命的人存在，将自己的理解上传，希望能提供一些帮助。

PS：其实原来会用SPSS跑ARIMA模型，但是这次需要对几十个国家的数据跑（也就是几十个模型），想寻找一种自动确定模型参数的方法【但是现在并没有找到】。觉得如果可能有的话，应该是通过STATA实现，若有好心人知道且愿意告知，将会非常感谢！

1. ARIMA模型介绍

就使用而言，ARIMA(p, d, q)模型有现成的程序，需要人工做的仅仅只有：

1. 通过观察结果得到确定三个待定参数的值
   • d：差分阶数，通过看检验结果确定
   • p、q：自回归和移动平均阶数，看AC和 PAC图像确定
2. 对模型进行检验，查看模型结果

在此以某国人口数据为例，介绍自己对刚学的ARIMA模型的理解。

---

最近事情有点多，先占个坑，忙过了就更新前边的相关内容。在后边的代码中，

• 先检验稳定性，确定d的取值（即稳定时候的值）
• 再做AC和PAC的图像，确定p和q的值
• 相关的检验看法已经使用【】标出

按照此思路看代码其实应该很容易能看得懂，所以就先发了出来。若仅仅只是为了使用，只需要导入文件和变量名即可使用。

2. STATA代码

/*
	Purpose			：ARIMA模型学习
	Author			：CZY - CQU
	Date Created	：2020年12月1日20:00:13
*/

/*
	AR(p)：p阶自回归（针对变量）【ACF衰减趋于0，PACF在P阶后截尾】
	I(d)：d阶差分
	MA(q)：q阶移动平均（针对误差）【ACF在q阶截尾，PACF衰减趋于0】
*/

* 清除数据
cls
clear all

* 路径查询和切换
pwd 								//查询当前工作路径
cd "C:/Users/10400/Desktop/计量经济学/ARIMA"  	//切换工作路径【这里需要改成自己的路径（即文件所在位置）】

* Log文件
capture log close 					//关闭现有的Log文件
log using ARIMA.log, replace			//创建新的Log文件

************************数据导入**************************
* 导入文件
import excel "人口数据.xlsx", sheet("Sheet1") firstrow clear
tsset YEAR //设置时间变量

* 数据信息：计量经济基础[张晓峒（第三版）]：第十二章时间序列数据
/*
> YEAR: 年份
> PEOPLE 年份对应人口数
*/

************************平稳性检验【定d】************************
//1. 【看Test Statistic的绝对值与临界值（Critical Value）的大小，越大越好】
//2. 【看P值，越小说明越平稳】

* DF检验
dfuller PEOPLE //先检验PEOPLE是否平稳，不平稳则检验差分项
dfuller d.PEOPLE //d.PEOPLE：PEOPLE的一阶差分

* GLS扩展的DF检验【通常采用】
dfgls d.PEOPLE, notrend //notrend不含趋势项
// Ng-P、SC、MAIC三种方法投票确定查看的阶数

* PP检验
pperron d.PEOPLE

* 三种检验说明做一阶差分后平稳，故确定d = 1
************************相关性分析【定p，q】************************
corrgram d.PEOPLE //绘制人口数据的自相关相关图和偏自相相关图【Table格式】

* 图形绘制与保存
ac d.PEOPLE, lags(20) level(95) generate(New_ac) //PEOPLE滞后绘制1-8阶的自相关图【Graph格式】
graph save Graph Fig01_AC.gph, replace
graph export Fig01_AC.png, as(png) replace

pac d.PEOPLE, lags(20) level(95) generate(New_pac) //偏自相关图【Graph格式】
graph save Graph Fig01_PAC.gph, replace
graph export Fig01_PAC.png, as(png) replace

/*
lags(n)：n阶滞后项
level(alpha)：显著性水平alpha
generate(name)：将自相关命名为name并保存
*/

graph combine ///图片并排
	Fig01_AC.gph ///导入AC图片
	Fig01_PAC.gph ///导入PAC图片
	, rows(2) altshrink ///排列成两行
	title("AC and PAC of D.PEOPLE", size(medium))
	
* 根据图像选择p = 1, q = 0	

************************ARIMA模型************************
arima PEOPLE, arima(1,1,0) //建立ARIMA(1,1,0)模型

* 模型检验和评价
predict PEOPLE_RES, resid //回归残差序列
corrgram PEOPLE_RES //残差序列的AC和PAC图
wntestq PEOPLE_RES, lag(20) //白噪声零假设-Q检验【P大于0.05即可】

*********
* 保存预测值
predict PEOPLE_HAT
label variable PEOPLE_HAT "predicted PEOPLE"

tsline D.PEOPLE PEOPLE_HAT, lcolor(blue red) lwidth(medium medithic)
	xtitle("") xlabel(, grid gmax gmin) ytitle("PEOPLE")
	ylabel(, grid gmax gmin) ylabel(0. lcolor(gs12))