View
124
Download
3
Category
Preview:
Citation preview
STATA ARMA TAHMİN VE ÖNGÖRÜ
Eviews uygulamasını burada tekrarlayalım
Öncelikle Vogelvang’ın pcoccoftea verisindeki pcocoa değişkenini ve tarihleri Stata’ya yükleyelim. Pcocoa serisi 1960m01’den 2002m09’a uzanmaktadır. Ancak örneklem dışı öngörü amacıyla bitiş tarihi 2003m04 alınmıştır.
String olan month değişkenini önce sayısal’a sonra da zaman serisine dönüştürelim.
generate mth=monthly(month, "ym")
tsset mth, monthly
ya da
tsmktim mth, start(1960m1)
serinin logaritmasını alalım
generate lpcocoa=ln(pcocoa)şimdi MA(1) tahmini yapalım
arima lpcocoa, arima(0,1,1)(ya da arima D.lpcocoa, ma(1)
Not: Bu şekilde STATA serinin otomatik olarak 1. farkını alacaktır. Öngörü yaparken lpcocoa’nın değerlerini öngörebileceğiz.
ARIMA regression
Sample: 1960m2 - 2002m9 Number of obs = 512 Wald chi2(1) = 73.68Log likelihood = 693.6068 Prob > chi2 = 0.0000
------------------------------------------------------------------------------ | OPG D.lpcocoa | Coef. Std. Err. z P>|z| [95% Conf. Interval]-------------+----------------------------------------------------------------lpcocoa | _cons | .0024447 .0040016 0.61 0.541 -.0053982 .0102877-------------+----------------------------------------------------------------ARMA | ma | L1. | .3520034 .0410089 8.58 0.000 .2716274 .4323794-------------+---------------------------------------------------------------- /sigma | .0624265 .001655 37.72 0.000 .0591828 .0656701------------------------------------------------------------------------------ Dinamik öngörü için
predict lpcocoa_dyn, y dynamic(tm(2002m10))
2002m10 ‘dan itibaren gözlenen değil tahmin edilen değerler kullanılacak
Son olarak pcocoa’yı öngörelim
Bunun için antilogaritma almak yeterli olacaktır
STATİK ÖNGÖRÜ
Tahmin döneminin bir alt dönemi için (2002:3 2002:9) statik öngörü yapalım.
predict lpcocoa_stcf, y, if tin(2002m3,2002m9)
şimdi tekrar lpcocoa’nın anti logaritmasını alalım
generate pcocoa_stcf=exp( lpcocoa_stcf)
MEVSİMSELLİK
Enders’ın quarterly veri setini stata ya yükleyelim (sadece m1nsa ve ppi) generate qtr=quarterly(obs,"yq")tsset qtr, quarterly
m1nsa serisinin grafiğine bakalım (time series plot;line)
ya da tsline m1nsa komutu
serinin logaritmik farkını hesaplayalımgenerate lm1nsa=ln(m1nsa)generate dlm1nsa=D.lm1nsa
Daha sonra menüden tekrar grafiğine bakalım
Otokorelasyon grafiğine (correlograma bakalım)
ac dlm1nsa
şimdi rassal (stokastik) mevsimsellik varsayımı altında dlm1nsa serisini mevsimsellikten arındıralım
generate d4dlm1nsa=S4.dlm1nsa
generate m= d4dlm1nsa
Şimdi şu modelleri tahmin edelim: (1963Q3,2002Q1dönemi için)
mt=a0+a1mt-1+t+4 t-4 MODEL 1: AR(1) with seasonal MA (toplamsal)
arima m,ar(1) ma(4), if tin(1963Q3,2002Q1)
!!!!!
Ancak amacımız yine m1nsa serisinin düzeyini tahmin etmekse o zaman stata da şu komutu yazmak gerekir:
2001Q1 döneminden itibaren)
predict lm1nsa_dyn, y dynamic(tq(2001Q1))
mt=a0+(1+a1L) (1+ a4 L4) mt+t
MODEL2: AR(1) with seasonal AR (MULTİPLICATİVE)
ya da m yerine s4.d. lm1nsa yazabiliriz.
arima s4.d. lm1nsa, ar(1) mar(1,4), if tin(1963Q3,2002Q1)
mt=a0+(1+1L) (1+ 4 L4) t
MODEL3: MA with seasonal MA (multıplıcatıve)
arima m, ma(1) mma(1,4)
Benzer biçimde bu model
arima s4.d. lm1nsa, ma(1) mma(1,4), if tin(1963Q3,2002Q1)
şeklinde yazılabilir.
Deterministik mevsimsellik için kukla değişkenlergenerate qseas1=(quarter(dofq(qtr))==1)“not aylık olsaydı =(month(dofm(qtr))==1)olurdu”generate qseas2=(quarter(dofq(qtr))==2)generate qseas3=(quarter(dofq(qtr))==3)
ARMA modellerinin test edilmesi
Stata da modeller tahmin edildikten sonra armadiag yazılır
Bunun dışında menüde time series altında testler mevcut
Kararlılık (stability )testi
Model tahmin edildikten sonra armaroots yazılır.
ARMAX yani ARMA modellerinin sağ tarafındaki değişkenler arasında açıklayıcı değişkenlerin olduğu modeller.
Örneğin 3. modele açıklayıcı değişken olarak ppi ekleyelim.
mt=a0+ b0ppi +(1+1L) (1+ 4 L4) t
bu model şu şekilde tahmin edilebilir.
arima s4.d. lm1nsa ppi, ma(1) mma(1,4), if tin(1963Q3,2002Q1)
Recommended