应用时间序列分析实验教程

**章 Stata基础 1.1 Stata简介 1.2 Stata学习的网上资源 1.2.1 Stata公司网站 1.2.2 UCLA Statistical Consulting网站 1.2.3 人大经济论坛 1.3 Stata的启动、主界面和退出 1.3.1 Stata的启动 1.3.2 Stata的主界面 1.3.3 Stata的退出 1.4 数据导入 1.4.1 Stata格式数据 1.4.2 其他类型数据 1.4.3 Statransfer操作 1.5 数据管理的基本命令 1.5.1 审视（describe） 1.5.2 显示变量的描述性统计特-征（summarize） 1.5.3 标签编辑（1abel） 1.5.4 生成新变量（generate） 1.5.5 去除/保留数据（drop/keep） 1.5.6 制图的基本命令（twoway） 1.6 时间序列数据的基础命令 1.6.1 定义时间序列数据（tsset） 1.6.2 画时序图（tsline） 1.7 Stata操作的好习惯 1.7.1 好习惯一：用好记录文件log 1.7.2 好习惯二：用好帮助菜单Help 第二章 时间序列数据的预处理 2.1 基础知识 2.1.1 时间序列的定义 2.1.2 平稳的统计性质 2.1 ，3纯随机序列的定义 2.1.4 数据的预处理 2.2 平稳性检验 2.2.1 实验要求 2.2.2 实验数据 2.2.3 实验内容 2.2.4 实验步骤 2.2.5 单位根检验的补充：d龟lS检验和PP检验 2.3 纯随机性检验 2.3 .1 实验要求 2.3.2 实验数据 2.3.3 实验内容 2.3.4 实验步骤 第三章 平稳时间序列模型 3.1 基础知识 3.1.1 Wlold分解定理 3.1.2 模型的统计性质 3.11 3建模步骤 3.1.4 预测方法 3.2 模型识别 3.2.1 实验要求 3.2.2 实验数据 3.2.3 实验内容 3.2.4 实验步骤 3.3 模型估计和检验 3.3.1 实验要求 3.3.2 实验数据 3.3.3 实验内容 3.3.4 实验步骤 3-4模型优化 3.4.1 实验要求 3.4.2 实验数据 3.4.3 实验内容 3.4.4 实验步骤 3.5 模型预测 3.5.1 实验要求 3.5.2 实验数据 3.5.3 实验内容 3.5.4 实验步骤 第四章 非平稳时间序列模型 4.1 基础知识 4.1.1 Cramer分解定理 4.1.2 差分平稳和ARIMA模型 4.1.3 疏系数模型 4.1.4 季节ARIMA模型 4.2 ARIMA模型 4.2.1 实验要求 4.2.2 实验数据 4.2.3 实验内容 4.2.4 实验步骤 4.3 疏系数模型 4.3.1 实验要求 4.3.2 实验数据 4.3 _3 实验内容 4.3 .4 实验步骤 4.4 季节ARIMA加法模型 4.4.1 实验要求 4.4 .2 实验数据 4.4 .3 实验内容 4.4.4 实验步骤 4.5 季节ARIMA乘法模型 4.5.1 实验要求 4.5.2 实验数据 4.5.3 实验内容 4.5.4 实验步骤 第五章 条件异方差模型 5.1 基础知识 5.1.1 方差齐性假设的重要性 5.1.2 方差非齐性的原因 5.1.3 对ARCH/GARCH模型的理解 5.1.4 单位根检验：PP检验 5.2 ARCH/GARCH模型（一） 5.2.1 实验要求 5.2.2 实验数据 5.2.3 实验内容 5.2.4 实验步骤 5.3 ARCH/GARCH模型（二） 5.3.1 实验要求一 5.3.2 实验数据 5.3.3 实验内容 5.3.4 实验步骤 第六章 多元时间序列模型 6.1 基础知识 6.1.1 单整和协整 6.1.2 误差修正模型 6.2 协整模型 6.2.1 实验要求 6.2.2 实验数据 6.2.3 实验内容 6.2.4 实验步骤 6.3误差修正模型 6.3.1 实验要求 6.3.2 实验数据 6.3.3 实验内容 6.3.4 实验步骤 参考文献 附录