Stata Yield

1 Копнова Е.Д. Практикум по эконометрике НИУ ВШЭ 2014

Сглаживание в STATA

Импортировать файл из Excel в STATA, например, так (для 11-й версии):

Создать пустой файл Excel на рабочем столе

Сохранить файл Excel в фомате ***.CSV

Скопировать туда данные. Вместо запятых должны быть точки

Сохранить

В названии файла, листа, пути не должно быть написано по-русски.

Очистить память

Clear

Импортировать данные

File – Import – AscII Data created by a Spreadsheet

. insheet y using "C:\Users\Îíèêñ\Desktop\Yield.csv"

Таким образом здесь и далее указаны команды, которые можно, не

используя меню, набирать в строке команд.

(note: variable names in file ignored)

(1 var, 21 obs)

А это результат выполнения команды.


Проверим данные

Data – Data Editor


Введем переменную времени

Data – Create or change data – Create new variable (extended)

. egen int time = fill(1 2 3)


Объявим эту переменную временем

Statistics – Time series – Setup and utilites – Declare dataset to be time-

series data

. tsset time

time variable: time, 1 to 21

delta: 1 unit


Построим график

Graphics – Time-series graph – Line plots – Create (или Edit)

. twoway (tsline y)


Скользящее среднее с равными весами

Statistics – Time series – Smoothers/univariate forecasters – Moving-average filter

. tssmooth ma y1 = y, window(2 1 2)

The smoother applied was

(1/5)*[x(t-2) + x(t-1) + 1*x(t) + x(t+1) + x(t+2)]; x(t)= y


Скользящее среднее с равными весами

Statistics – Time series – Smoothers/univariate forecasters – Moving-average filter

. tssmooth ma y2 = y, weights(-3 12 <17> 12 -3)

The smoother applied was

(1/35)*[-3*x(t-2) + 12*x(t-1) + 17*x(t) + 12*x(t+1) + -3*x(t+2)]; x(t)= y


Построим совмещенный график

. twoway (tsline y) (tsline y1) (tsline y2)


Вычислим остатки

Data – Create or change data – Create new variable

. generate res = y-y2

Построим график остатков


Тесты на отсутствие автокорреляции

Тест Льюинга-Бокса

Statistics_____Time-Series______Tests_____Porntmanteau white-noise test

. wntestq y, lags(3)

Portmanteau test for white noise

---------------------------------------

Portmanteau (Q) statistic = 27.7507

Prob > chi2(3) = 0.0000

Для остатков:

. wntestq res, lags(3)

Portmanteau test for white noise

---------------------------------------

Portmanteau (Q) statistic = 23.9808

Prob > chi2(3) = 0.0000


Непараметрический тест run.

Statistics - Summaries, tables and tests – Nonparametric tests of hypotheses - Test for random order

. runtest res

N(res <= 0) = 11 N(res > 0) = 10

obs = 21 N(runs) = 21

z = 4.27 Prob>|z| = 0

Про тест стоит почитать в help STATA. Идея в следующем:

N(runs) имеет смысл числа серий (как в медианном тесте серий).

Если наблюдения независимы, то статистика z должна быть невелика.

В нашем примере тест указывает на отрицательную автокорреляцию.


Этот же тест для исходного массива

. runtest y

N(y <= 8.399999618530273) = 11

N(y > 8.399999618530273) = 10

obs = 21

N(runs) = 6

z = -2.46

Prob>|z| = .01

Число серий слишком мало. Тест указывает на положительную автокорреляцию или наличие детерминированного тренда.


Тесты на нормальность

Подобный Джарка-Бера

Statistics - Summaries, tables and tests – Distributional plots and tests – Skewness and kurtosis test for normality

. sktest res

Skewness/Kurtosis tests for Normality

------- joint ------

Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2

res 21 0.7562 0.6521 0.30 0.8609


Автокорреляционная функция

Graphics – Time-series graph – Correlogram


Для остатков:

Для остатков заметна отрицательная автокорреляция, которую уловил непараметрический тест run.

Documents

Stata Yield