第15章Stata时间序列分析

最新推荐文章于 2022-12-15 14:17:02 发布

查尔斯-狩乃

最新推荐文章于 2022-12-15 14:17:02 发布

阅读量3.8w

点赞数 66

分类专栏： Stata数据分析文章标签：数据分析 statistics

本文链接：https://blog.csdn.net/qq_45112156/article/details/119250943

版权

时间序列分析是种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以此来解决实际问题。时间序列是随时间而变化、具有动态性和随机性的数字序列。在现实生活中，许多统计资料都是按照时间进行观测记录的，因此时间序列分析在实际分析中具有广泛的应用。

时间序列模型不同于一般的经济计量模型，其不以经济理论为依据，而是依据变量自身的变化规律，利用外推机制描述时间序列的变化。时间序列模型在处理的过程中必须明确考虑时间序的非平稳性。

15.1时间序列的基本操作

在进行时间序列分析前，我们往往需要对数据进行预处理。首先要分析的是该数据是否适合用时间序列分析，这往往需要我们提前对数据进行简单回归，然后再进行时间序列分析的基本操作，包括定义时间序列、绘制时间序列趋势图等。对于个带有日期变量的数据文件，Stata并不会自动识别并判定出该数据是否是时间序列数据，尤其是数据含有多个日期变量的情形。所以要选取出恰当的日期变量，然后定义时间序列。而绘制时间序列趋势图的意义先不面物的，通过该步操作我们可以迅速看出数据的变化特征，为后续更加精确地判断或者选择合适的模型做好必要准备。

数据（案例15.1）农村家庭联产承包责任制的推行，以及城市化进程的加快，使得我国大批街动力从农村解放出来，向当地乡镇企业和城市转移。农村劳动力的大批转移，有效改善了我明劳动力的整体利用状况，提高了人力资源的市场配置效率，对农村经济乃至整个国民经济的发展都起到了非常大的推动作用。那么影响农村劳动力转移的因素有哪些呢?某课题组对该问题进行了实证研究。该课题组选择的具有代表性的变量和数据如表15.1所示。试将数据整理败Stata数据文件，并进行简要分析。变量分别为年份、城乡人口净转移（万人）、城镇失业规模（万人）、城乡收入差距、制度因素。

regress m s g t #以城乡人口净转移为因变量，不考虑数据时间序列性质，进行简单线性回归

我们可以看出，模型非常显著，但是解释能力就比较差强人意了。各个变量的系数也是非常显著的，模型存在一定的优化空间。基本结论就是城乡人口转移规模（m）随着城乡时机收入差距（g）的扩大而扩大，城镇失业规模（s）对农村劳动力转移具有阻碍作用；制度因素（t）对农村劳动力转移的制约作用逐渐下降。

tsset year #本命令的含义是吧年份作为日期变量对数据进行时间序列定义。

twoway(line m year) #绘制时间序列图来描述城乡人口净转移随着时间的变动趋势

从上图来看变量城乡人口净转移没有明显、稳定的长期变化方向。

twoway(line s year)

从上图可以看出变量城镇失业规模具有明显、稳定的向上增长的趋势。

twoway(line g year)

twoway(line t year)

结果不再过多赘述

twoway(line d.m year) #本命令的含义是绘制时间序列趋势图来描述城乡人口净转移的一阶差分随时间的变动趋势。

twoway(line d.s year)

twoway(line d.g year)

twoway(line d.t year)

从图中可以看出城乡人口净转移的增量并没有明显、稳定的长期变化方向。其他的不再过多赘述。

案例延伸

延伸1：清除数据的时间序列格式

tsset ,clear

延伸2：关于数据处理的一般说明

一般情况下，我们要消除变量的时间序列长期走势后或者说变量平稳后才能进行回归得到有效结论，所以在绘制变量序列图的时候，如果该变量存在趋势，就应该进行一阶差分后在进行查看。所谓变量的一阶差分指的是对变量的原始数据进行处理，用前面的数据减去后面的数据的出的一个新的时间序列。如果变量的的一阶差分还是存在趋势，那么就应该进行二阶差分进行查看，依次类推，直到数据平稳。所谓的二阶差分指的是在把一阶差分得到的时