如何使用 STATA 测试时间序列数据的异方差性和自相关

通常，时间序列数据的异方差性不太可能。

关于解释变量的散点图。

具体命令如下：

reg 解释变量名称解释变量名称。

prrdict e, resid

图形双向散点 e 解释变量名称。

此外，还有 WHITE 测试、G-Q 测试和 Brench-Pagan LM 测试。 白色检查不是官方的 stata 命令，需要单独的补丁，而 g-q 测试需要对变量有更多事先了解。 我将重点介绍 stata 中 B-P LM 测试的实现：

执行回归命令后，可以使用 hettest 变量名称来执行此操作。 变量名称仅包含除法常量。

除列出的变量名称外的所有解释变量名称。 你可以一个一个地做，也可以分批做。 至于测试的原理，这里就不用说了吧？ 如果你不明白，我建议你看看这本书。

测试序列相关性。

1.D-W检查。

reg y x1 x2 x3

estat dwatson

y 是解释变量 x 是解释变量，执行上述命令可以得到 d-w 值，但测试中存在无法确定的盲点。

并且只能进行一阶自相关检验）。

2、box and pierce'Q 检验。

reg y x1 x2 x3

predict e, resid

wntestq e, lags(n)

n 是滞后顺序，可以从少于到多次尝试）。

熟练掌握stata数据分析。

1.使用系统自带的数据进行复位测试，sysuse auto，explain：导入系统自带的数据，autodescirbe explain：查看数据的组成。

2 reg price rep78 净空躯干重量长度，解释：回归到数据。

3.使用y的拟合值进行复位检验estat ovtest，发现p的拟合值接近拒绝域，我们认为可能遗漏了高阶项。

4.直接使用解释变量的高阶项进行复位检验，estat ovtest，rhs。 解释：添加了选项 RHS，发现原假设在 5% 水平上被拒绝，认为缺少高阶非线性项。

5.经过多次尝试，发现gen wight2=weight 2，reg price rep78 weight2 headroom trunk weight length，效果显著。

如图所示，输入命令pwcorr x1 x2 x3 x4 x5，按回车键得到结果。 相关系数列在图中，例如，x1和x2之间的相关系数为，这是高度相关的，以及其他相似之处。

你把结果放上去，不同的关联方法和不同的参数，结果是不同的。

例如，似乎在**之后应该有一个sig来判断。