本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

用stata异方差检验时间序列数据和,stata自相关检验

stata培训 cdadata 1957℃ 0评论

stata异方差检验时间序列数据和,stata自相关检验

关键词:stata异方差检验,stata自相关检验,stata异方差检验命令,stata面板自相关检验,stata怎么检验异方差

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:

reg 被解释变量名 解释变量名

prrdict e, resid

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。

序列相关性的检验

1、D-W检验

reg y x1 x2 x3

estat dwatson

(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)

2、Box and Pierce’s Q 检验

reg y x1 x2 x3

predict e, resid

wntestq e, lags(n)

(n为滞后阶数,可以由少及多尝试几次)


我补一下,

D.W 可以作为对自相关检验, 但它只是检测一阶滞后量有无自相关,在时间序列中  只检测变量一阶滞后的自相关性远远不够,

因此, 我们可以用:Breusch-Godfrey检验, 检测多阶滞后量的自相关

在STATA中, 我们可以用:estat bgodfrey 语句,在回归后, 检测误差项的自相关。


另外,

时间序列数据中  出现异方差的概率不是很高。(至于原因,去查伍德里奇的书)

所以你在处理时间序列数据的时候  应该不是先考虑异方差性, 而是变量的自相关性,

就是先要对数据进行诊断测试。

看他们是不是平稳序列。 如果不是平稳序列的话, 那你还有很多事情要做。

比如,如果数据不是平稳序列, 你可以取变量的一阶差分来进行回归。

在这里不多描述了,网页上不能用公式,所以描述出来怕出错误。


补充:

在Stata中,也可用官方命令进行异方差的White检验,命令如下:

reg y x1 x2

estat imtest,white

转载请注明:数据分析 » 用stata异方差检验时间序列数据和,stata自相关检验

喜欢 (0)or分享 (0)
发表我的评论
取消评论
表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址