与时间序列相关的STATE 命令及其统计量的解析 与时间序列相关的STATA 命令及其统计量的解析 残差U 序列相关： ①DW 统计量——针对一阶自相关的（高阶无效) STATA 命令： 1.先回归 2.直接输入 dwstat 统计量如何看：查表 ②Q 统计量——针对高阶自相关correlogram-Q-statistics STATA 命令： 1． 先回归 reg 2． 取出残差predict u,residual(不要忘记逗号) 3． wntestq u Q 统计量如何看：p 值越小（越接近 0）Q 值越大 ——表示存在自相关 具体自相关的阶数可以看自相关系数图和偏相关系数图： STATA 命令： 自相关系数图： ac u( 残差) 或 者 窗 口 操 作 在 Graphics — — Time-series graphs — — correlogram(ac) 偏相关系数图： pac u 或者窗口操作在 Graphics——Time-series graphs—— (pac) 自相关与偏相关系数以及Q 统计量同时表示出来的方法： corrgram u 或者是窗口操作在 Statistics——Time-series——Graphs—— Autocorrelations&Partial autocorrelations ③LM 统计量——针对高阶自相关 STATA 命令： 1． 先回归 reg 2． 直接输入命令 estate bgodfrey,lags(n) 或者窗口操作 在 Statistics— —Postestimation(倒数第二个)——Reports and Statistics(倒数第二个) ——在里面选择 Breush-Godfrey LM（当然你在里面还可以找到方差膨胀因 子还有DW 统计量等常规统计量) LM 统计量如何看：P 值越小（越接近 0）表示越显著（显著拒绝原假设），存在 序列相关 具体是几阶序列相关，你可以把滞后期写为几，当然默认是 1，（通常的方法是 先看图，上面说的自相关和偏相关图以及Q 值，然后再利用 LM 肯定）。 平稳时间序列存在自相关的问题的解决方案 残差出现序列相关的补救措施： 一阶自相关 最近简单的方法是用 AR(1)模型补救，就是在加一个残差的滞后项即可。 高阶的自相关 用 AR(n)模型补救。 AR 模型的识别与最高阶数的确定： 可以通过自相关系数来获得一些有关 AR(p) 模型的信息，如低 阶 AR(p) 模 型系数符 号的信息。但 是，对于 自回归过程AR(p)，自相关系数并 不能帮 助 我 们 确定 AR(p) 模型的阶数 p。所 以，可以考 虑 使 用偏自相关系数 k,k，以便 更 加 全 面的描 述 自相关过程AR(p)的统计特 征 。 且 对于 一个 AR(p) 模型，k,k 的最高阶数为 p，也 即A...
