stata時間序列命令

❶ 如何用stata進行時間序列的協整檢驗，需要具體的操作指令和解釋。

1、首先打開筆者准備 的數據集，然後觀察對數據集進行初步的觀察。通過觀察可以得知t是時間變數，第一步應該設定變數t為時間表示。

❷ 怎麼用STATA檢驗時間序列數據的異方差和自相關

一般來講，時間序列數據較少出現異方差現象，更多地是序列相關問題。
用stata軟體實現異方差的檢驗，最直觀的是用圖示法。作出殘差關於某一解釋變數的散點圖，具體的命令如下：
reg
被解釋變數名
解釋變數名
prrdict
e,
resid
graph
twoway
scatter
e
解釋變數名
此外，還有white檢驗、G-Q檢驗和Breuch-Pagan
LM檢驗。white檢驗不是stata官方的命令，需要單獨下載補丁，G-Q檢驗則需要對變數有較多的先驗認識。我重點介紹一下B-P
LM檢驗在stata中的實現：
在執行完回歸指令regress以後，用
hettest
變數名
這個命令就能實現。其中變數名只包括除常數項以外的所有解釋變數名稱。你可以逐個命令進行操作，也可以用批處理的方式來實現。至於檢驗的原理不用在這里說了吧？不太明白的話建議查查書。
序列相關性的檢驗
1、D-W檢驗
reg
y
x1
x2
x3
estat
dwatson
(y為被解釋變數
x為解釋變數，執行上述命令便可得到D-W值，不過該檢驗存在無法判斷的盲區且只能對一階自相關進行檢驗)
2、Box
and
Pierce's
Q
檢驗
reg
y
x1
x2
x3
predict
e,
resid
wntestq
e,
lags(n)
（n為滯後階數，可以由少及多嘗試幾次）

❸ 如何使用stata進行時間序列的平穩性檢驗如題

用stata進行平穩性檢驗的方法： 1、點擊面板上的額ADF檢驗 2、在打開的對話框中輸入命令dfuller，就開始了平穩性檢驗 Stata 是一套提供其使用者數據分析、數據管理以及繪制專業圖表的完整及整合性統計軟體。它提供許許多多功能，包含線性混合模型、均衡重復反復及多項式普羅比模式。 Stata 的統計功能很強，除了傳統的統計分析方法外，還收集了近 20 年發展起來的新方法，如 Cox 比例風險回歸，指數與 Weibull 回歸，多類結果與有序結果的 logistic 回歸， Poisson 回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。

❹ 用stata怎麼對時間序列進行格蘭傑檢驗，需要具體的命令，非常感謝！

在進行var估計後
輸入vargranger
如：var y x,lags(1/2)
vargranger
詳細地，help vargranger查看

❺ 怎麼在stata裡面設置時間序列變數

比如生成年代變數：tsset year, yearly

比如從1995年開始產生時間序列gen time=m(1995m7)+_n-1

細節可以看tsset幫助

❻ 請問STATA里sort,tsset的指令是什麼意思

sort指令是STATA資料庫的維護的排序指令。tsset是定義數據是一個時間序列數據。如果想對數據文件定義year為時間變數，則輸入命令：tsset year。

Stata 是一套提供其使用者數據分析、數據管理以及繪制專業圖表的完整及整合性統計軟體。它提供許許多多功能，包含線性混合模型、均衡重復反復及多項式普羅比模式。

(6)stata時間序列命令擴展閱讀

統計功能

Stata的統計功能很強，除了傳統的統計分析方法外，還收集了近20年發展起來的新方法，如Cox比例風險回歸，指數與Weibull回歸，多類結果與有序結果的logistic回歸，Poisson回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。具體說， Stata具有如下統計分析能力：

數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。

分類資料的一般分析：參數估計，列聯表分析 ( 列聯系數，確切概率 ) ，流行病學表格分析等。

等級資料的一般分析：秩變換，秩和檢驗，秩相關等

相關與回歸分析：簡單相關，偏相關，典型相關，以及多達數十種的回歸分析方法，如多元線性回歸，逐步回歸，加權回歸，穩鍵回歸，二階段回歸，百分位數 ( 中位數 ) 回歸，殘差分析、強影響點分析，曲線擬合，隨機效應的線性回歸模型等。

其他方法：質量控制，整群抽樣的設計效率，診斷試驗評價， kappa等。

❼ stata怎麼做時間序列

//lecture 9

//繪值散點圖並添加圖例：

scatter le year, c(l) xlabel(1990 1918 1940(20)2000, grid) legend(on)

//顯示圖例（自帶的label，並未修改）

//le 變數的標簽 圖例是變數的標簽,所以修改圖例可以先修改標簽

//不改變真正的label

scatter le_male le_female year, c(l) legend(label(1 "Male") label(2 "Female"))

//繪值le_m、le_f 散點圖並添加圖例，將圖例分別改成「male」and「female」

scatter le_male le_female year, c(l) legend(on order(1 "male" 2 "female"))

//和上一行一樣

twoway (line le_male year, lpattern(dash)) (line le_female year, lcolor(red) lpattern(dot)) (line le_w year, lcolor(green)), legend (on order(1 "Male" 2 "Female" 3 "White") col(1) ring(0) pos(4) title("標題") subtitle("子標題"))

//twoway（將幾張圖畫在同一個裡面）：展示第一個圖是什麼（），第二是什麼（）第三個是什麼。。。。。，用括弧的形式展示出這個圖形是什麼，lpattern是線的形式 dash是虛線 （默認為實線），dot是點，lcolor是線的顏色

//其中pattern必須改 因為列印出黑白分不清顏色

//pos（4）是把圖例放在四點鍾方向（右下角）默認為六點鍾方向， ring（0）是放在圖形裡面 col（）是一行放幾個元素

sysuse "auto.dta",clear

scatter mpg weight

//散點圖

twoway(scatter mpg weight if foreign == 0)(scatter mpg weight if foreign == 1) , legend(on order(1 "國產車" 2 "進口車"))

scatter mpg weight, by(foreign)

//以foreign，domestic作區分 與twoway不同，這個是分別獨立做圖 散點圖

scatter mpg weight, by(foreign, total)

//並添加一張包含所有觀測值

scatter mpg weight, by(foreign, total rows(1))

//將繪制的圖形改為一行排列

scatter mpg weight, by(foreign, total holes(3))

//將繪制圖形的留白放在左下方

scatter mpg weight, by(foreign,total title("My Title"))

//將圖形添加一個全標題

scatter mpg weight, subtitle(" ") by(foreign, total title("my title"))

//將每個小圖的標題去掉

scatter mpg weight, subtitle(ring(0) pos(12) nobexpand) by(foreign, total title("my title"))

//將每個圖的小標題位置更改

//如果foreign變數沒有標簽怎麼辦？

label drop origin

scatter mpg weight, by(foreign, total title("My Title"))

label define origin_v 0 "國產" 1 "進口"

label values foreign origin_v

scatter mpg weight, by(foreign, total title("My title"))

twoway (scatter mpg weight if foreign == 0) (scatter mpg weight if foreign == 1, msymbol(x)),legend(order(1 "國產" 2 "進口"))

scatter mpg weight || lfit mpg weight , by(foreign, row(1))

//繪制散點和線性復合圖形，根據foreign分組，添加一個總體圖 排成一行

scatter mpg weight || lfit mpg weight, legend(cols(1) ring(0)) by(foreign, legend(pos(4)))

//將圖例變為一列顯示，放置四點鍾方向

scatter mpg weight || lfit mpg weight ||,legend(rows(1)) by(foreign, total legend(at(3) pos(0)))

//將圖例放在2x2的留白處

scatter mpg weight || lfit mpg weight ||, by(foreign, total legend(off))

//將圖例放在2x2的留白處

//scheme選項

help scheme

//軸線選擇選項

help axis_choice_options

//example

sysuse auto,clear

scatter mpg price weight

//繪制散點圖，要求兩個y軸變數共用y軸

twoway (scatter mpg weight) (scatter price weight)

//一樣

twoway (scatter mpg weight) (scatter price weight, yaxis(2))

//繪制散點圖，並使用兩個y軸

twoway ( scatter mpg weight ) (scatter price weight, yaxis(2)), xlabel(1000(500)5000) ytick(#10, axis(2)) ylabel(#8, axis(1))

//每一個坐標軸添加刻度和標識，x軸大約10個刻度，左邊的y軸大約8個刻度，右邊的大約10個刻度

//添加軸線選項

help added_line_options

//圖形保存選項

sysuse auto,clear

help area

sysuse gnp96, clear

graph twoway area d.gnp96 date

//時間序列數據

gen dev_gnp = gnp96 - l.gnp96

twoway(line gnp96 date) (area d.gnp96 date, yaxis(2))

twoway(line gnp96 date) (area dev_gnp date, yaxis(2))

twoway(line gnp96 date) (line dev_gnp date, lpattern(dot) lcolor(1))

//繪制如下復雜圖：

graph use area_gnp

sysuse gnp96,clear

#delimit ;

twoway area d.gnp96 date, xlabel(#20, angle(90))

ylabel(-100(50)200,angel(0))

ytitle("Billions of 1996 Dollars")

xtitle("")

subtitle("Change in US GNP",pos(11))

note("Source: US Department of Commerce, Bureau of Economics")

;

#delimit cr

//換行功能換回回車

graph save area_gp, replace

//lecture 10

sysuse lifeexp, clear

help histogram

//直方圖📊，主要繪制連續變數，密度圖，還要乘以寬度才是頻數

twoway histogram le

//le是lexp的簡稱，直方圖描述從多少到多少有多少個

//by 在有0，1變數時候可以用

twoway hist le, bin(10)

twoway hist le, bin(5)

//設置幾個柱子

twoway hist le, width(5)

//設置柱子的寬度

twoway hist le, gap(10)

//柱子之間的間隙

twoway hist le, horizontal

//橫過來，水平直方圖

twoway hist le, percent

//以百分比形式顯示

help graph bar

help graph hbar

//條圖，主要繪制離散變數

sysuse citytemp, clear

graph bar (mean) tempjuly tempjan

graph bar tempjuly tempjan, over(region)

//默認設置為均值，按照地區（東南西北）劃分

graph bar tempjuly tempjan, over(region) bargap(30)

//兩個柱狀之間的位置可以調，可以重疊，也可以分開一點 -30代表重疊 30代表分開

graph bar tempjuly tempjan, over(region) stack

//可以把兩個變數堆積在一起，一般堆積的是個數 均值沒啥意義

graph bar tempjuly tempjan, over(division)

//數據中有兩個分類變數，可以根據division再分類

tab division if region == 1

tab division if region == 2

graph bar tempjan, over(division) over(region)

//每一個region下又分幾個division

graph bar tempjuly tempjan, over(region, gap(10))

//條與條之間的間隔

graph bar tempjuly tempjan, over(region, descending)

//數據中west是4 所以按4321排列

graph bar tempjuly tempjan, by(region)

//按region分別繪制四個圖

//圖形保存選項：

sysuse auto,clear

scatter mpg price weight

graph save fig1, replace

graph use fig1

//讀取已存儲圖形

graph export fig1.png, replace

//運行時要保證scatter mpg price weight 這個圖是打開的 否則運行不了

cd /Victor/stata

//電子地圖：

findit spmap

help spmap

unicode encoding set gb18030

unicode translate "china_label.dta"

//必須先清零數據，然後運行一遍路徑名 才能運行這兩行命令

use "china_label.dta", clear

//example 1

use china_label, clear

gen xx = uniform()

spmap xx using "china_map.dta", id(id) title("中國地圖",size(*0.8)) label(label(ename) xcoord(x_coord) ycoord(y_coord) size(*.8)) plotregion(icolor(stone)) graphregion(icolor(stone)) fc(Greens) clnumber(8) oc(white ..) osize(medthin ..)

//clnumbers 代表8種不同的綠色

//example 2

tab name

replace name = subinstr(name, "省", "", .)

replace name = subinstr(name, "市", "", .)

replace name = subinstr(name, "回族自治區", "", .)

replace name = subinstr(name, "壯族自治區", "", .)

replace name = subinstr(name, "特別行政區", "", .)

replace name = subinstr(name, "自治區", "", .)

replace name = subinstr(name, "維吾爾", "", .)

tab name

//改名字

foreach x of numlist 1/5{

gen num`x'=uniform()

}

//產生0到1的隨機數

format x %9.3g

foreach x of numlist 1/5{

spmap `x' using "china_map.dta",id(id) title("中國地圖", size(*0.8)) label(label(ename) xcoord(x_coord) ycoord(y_coord) size(*.8)) plotregion(icolor(stone)) graphregion(icolor(stone)) fc(Greens) clnumber(8) oc(white ..) osize(medthin ..) graph export "china0`x'.png", replace

}

//lecture 11

sysuse auto, clear

summarize mpg weight

//summarize 後面可以接一個或多個變數，個數 均值 最小最大值

summarize mpg, detail

//會有關於數據其他的統計指標

help summarize

tabulate mpg, sort

//離散變數排序之後用表統計

tabulate foreign

//最好是分類變數去tabulate,展示各個種類有多少個，佔多大比例（離散的）

help tabulate

sysuse nlsw88, clear

tab occ

//不同職業的樣本在我的資料庫裡面分別有多少個，比例大小，總的樣本數量是多少

tab instry

sysuse auto, clear

tabstat mpg price weight rep78 , stat(n mean sd min median max) c(s)

//c(s)是轉置過來這個矩陣，默認閱讀方式是：列是統計指標，行是變數名稱

help tabstat

//下劃線是代表可以簡寫，只寫c(s)

//可以規定format 總長度多少個單位，小數點前面，後面有多少個單位，統一成一個格式

tabstat mpg price weight rep78 , by(foreign) stat(n mean sd min median max) c(s)

//by是以什麼分類展示

//輸出表格（不要復制）：

ssc install logout

logout, save(summarize) tex word excel dec(3) replace: tabstat mpg price weight rep78 , stat(n mean sd min median max) column(s) long format

//不建議導出成tex word 因為在Excel還要進一步編輯，xml格式的可以在excel打開 rtf是可以從word打開 就可以應用在論文裡面了。replace替換原來的 dec（3）代表小數點後統一保留三位數，replace後面與之前一模一樣 ，column是列

logout, save(summarize) tex word excel dec(3) replace: tabstat mpg price weight rep78 , by(foreign) stat(n mean sd min median max) c(s)

//save(文件名)

use nei_sample.dta, clear

describe

plicates tag newid year, gen(p)

edit newid year if p >= 195

plicates drop newid year, force

help merge

plicates drop newid year, force

//一個地方會有n個企業

merge m:1 fips year using "county_na.dta"

//根據county的代碼和時間調用

//有三部分的merge，merge=1和2是不需要的地方 只保留3（matched） 因為沒有企業的觀測值（0），而merge=1則是有企業的觀測值（1），而merge=2沒有政策的觀測值（0）（觀測到了企業污染，卻沒有觀察到關於政策的變數）

//我們關心企業所在的地區是否有環境政策

//做一個最簡單的回歸，政策對污染的影響：(regress)

foreach v of varlist reg_* {

replace `v'= 0 if `v' == .

}

//將missing變成0

reg co reg_co

gen lco = ln(co)

reg lco reg_co

//有0的問題

//add a set of mmies(虛擬變數）, tear , instry, county

gen fips_st = substr(fips,1,2)

//state（截取fips編號的前兩位）

gen sic2 = substr(sic,1,2)

//instry

gen sic1 = substr(sic2,1,1)

keep if sic1 == "2" | sic1 == "3"

//manufacturing only 或

gen lco = log(co)

//generate log

reg lco reg_co

//reg_co代表政府有無監管，有就是1（非常不準）表中的_cons代表截距

xi: reg lco reg_co i.year

//按照年份，每年加一個虛擬變數，是這一年就是一

//with year FE （根據每一年不一樣回歸 ）

//年份前的系數是相對於基年的增加或減少，添加年份虛擬變數

//分離出宏觀經濟沖擊的影響

bys year: egen id_sum = count(newid)

//？

xi : reg lco reg_co id_sum i.year

//with year FE, multicolinearity

//如果觀測值是1996年的，那麼iyear1996=1，這個統一的因素會影響所有的企業（宏觀經濟因素，所有企業都受影響），今年的這個企業和明年的這個企業外部環境是不一樣的，是什麼不重要，要capture這個東西

xi : reg lco reg_co i.year i.sic2

//with instry FE（不同產業的影響）

xi : reg lco reg_co i.year i.sic2 i.fips_st

//with state FE(省政府對環境保護的壓力的影響）

xi : reg lco reg_co i.year i.sic2 i.fips

//with county FE

plicates drop newid year， force

xtset newid year

//set panel

xi: reg lco reg_co i.newid

//通過添加mmy

xi: xtreg lco reg_co, fe

//先進行差分 （常用）

//這兩行的結果相同

xi: xtreg lco reg_co i.year , fe

//year

xi: xtreg lco reg_co i.year i.fips_st, fe

//state fe

xi: xtreg lco reg_co i.year i.sic2, fe

//instry fe

//下標都是固定效益 用希臘字母帶下標 c是位置 j是行業 t為第t年的宏觀經濟形勢/技術進步（系統性） i表示企業自身的固定效益，是觀察不到的個體特徵因素（有些企業管理水平天生高，低）

sort newid sic2

by newid: gen newsic2 = sic2[_N]

xi: xtreg lco reg_co i.newsic2, fe

//企業不更改行業屬性

//two-way fised effects with firm fixed effects

xi:xtreg lco reg_co i.teay*i.newsic2, fe

//instry-year FE

xi:xtreg lco reg_co i.teay*i.fips_st, fe

findit outreg2

//默默地回歸quite

qui xi: xtreg lco reg_co i.newsic2,fe

outreg2 using result1.xls,excel keep(reg_co) dec(3) addtext(Firm FE, Y,Stata-Year FE,n,Instry-Year FE,n)

//keep只保留關心的系數，小數點後面保留多少位

//數據批量導入與導出，亂碼處理，變數構造，數據的整理，數據變數的修改，相互轉換

//數據可視化，在統計中summary statistic table 然後在fixeffect model 簡單地看了一下

//將回歸結果用excel報告