1樓：匿名使用者
根據你對題目的描述，自變數應該是時間，因變數是經歷了對數差分標準化的資料，如果是這樣的話，進行**只需要輸入時間，對輸出的因變數資料進行逆標準化，一步步倒回去，得到實際值
stata 對取對數並且一階差分後的處理資料進行**得到的結果如何轉換回去原來的值
2樓：青鳥
取差分之後穩定，如果使用差分後的資料做的 arma(1,1)的話，你使用的模型便是arima(1,1,1)模型。
差分換回去，不知道...
二階差分以後仍存在單位根，取對數以後還是存在單位根，怎麼辦？？
3樓：匿名使用者
顯然不是面板資料，是時間資料。eviews和stata都可以搞定時間序列資料。
一般經濟變數取對數後，一階就平穩了。怎麼可能有一個變數二階平穩呢？我一般都是想法弄成一階平穩。對數後再一階，已經降低很多趨勢了。
對這個問題，一是資料有問題 二是你設定可能存在問題，如選擇是否帶有趨勢項，截距項，或者倆個都有或者倆個都沒有。要按照變數的走勢，選擇合適的選項，才能使得檢驗結果可靠。選對了這個你所謂的 一個變數是二階就會是這個變數也是一階平穩的
注意，非同階很麻煩的，不能做協整迴歸。
stata的時間序列分析中如何實現對資料的一階差分，最好指令寫出來·謝謝。。。。。
4樓：匿名使用者
如果是連貫的時間序列
tsset date
gen d_price = d.price // 一階差分如果不連貫
gen date_c = _n
tsset date_c
gen d_price = d.price
5樓：匿名使用者
gen id=_n
tsset id
gen x=d.y
eviews 求一階二階差分序列的命令是什麼?
6樓：向日葵
genr xt=d(x,2)，x是原序列，xt是差分後的序列。
在eviews裡面的操作：假設你要產生一階差分的序列為x，且已經把序列x的資料匯入eviews
在命令區鍵入：「series dx=d(x)」 再按回車鍵，eviews自然生成一個新的「dx」序列，即為一階差分序列；二階差分同樣操作，「series d2x=d（dx）」
又如：設有等差數列,取bn=an+1-an，則稱為的一階差分等差數列。
同理,取cn=bn+1-bn=an+2-2an+1+an，則稱為的二階差分等差數列。
eviews處理的基本資料物件是時間序列，每個序列有一個名稱，只要提及序列的名稱就可以對序列中所有的觀察值進行操作，eviews允許使用者以簡便的視覺化的方式從鍵盤或磁碟檔案中輸入資料，根據已有的序列生成新的序列，在螢幕上顯示序列或印表機上列印輸出序列。
對序列之間存在的關係進行統計分析。eviews具有操作簡便且視覺化的操作風格，體現在從鍵盤或從鍵盤輸入資料序列、依據已有序列生成新序列、顯示和列印序列以及對序列之間存在的關係進行統計分析等方面。
eviews具有現代windows軟體視覺化操作的優良性。可以使用滑鼠對標準的windows選單和對話方塊進行操作。操作結果出現在視窗中並能採用標準的windows技術對操作結果進行處理。
此外，eviews還擁有強大的命令功能和批處理語言功能。在eviews的命令列中輸入、編輯和執行命令。在程式檔案中建立和儲存命令，以便在後續的研究專案中使用這些程式。
7樓：於江一石
在eviews裡面的操作：假設你要產生一階差分的序列為x，且已經把序列x的資料匯入eviews
在命令區鍵入：「series dx=d(x)」 再按回車鍵，eviews自然就幫你生成一個新的「dx」序列，即為一階差分序列；二階差分同樣操作，「series d2x=d（dx）」
8樓：csu美女
series d1=d(x) 建立序列x的一階差分序列d1；
series d2=d（d（x）） 建立序列x的二階差分序列d2
9樓：匿名使用者
genr xt=d(x，2)
x是原序列，xt是差分後的序列
對時間序列取對數，負數怎麼處理
10樓：匿名使用者
序列分析中，常常還有會序列相關的問題，這樣直接進行引數估計，估計量是無效的，取對數可以有效的改善自相關的問題，
有時候用來降冪，把非線性的變換為線性、
還有就是做巨集觀經濟分析，引數過大，取對數，把值變小，提高顯著水平。
取對數是一種常用方法，巨集觀經濟分析中做時間序列的主要是出於第一種和第三種問題。可以說是一種萬金油的方法，對自相關、異方等常見問題都有效，但不是絕對的解決
對**對數收益率序列的一階差分可以嘛？有什麼經濟含義？
11樓：匿名使用者
取對數：
1.如果各個解釋變數的數值差距很大，可以對數值高的變數取對數，使得各變數在同一數量層次，估計方程的結果易於解釋和書寫。
2.符合經濟理論的假設。比如x變數增加百分之幾，對y變數有多大影響。即半彈性，彈性方程。
3.取對數通常會縮小變數的取值範圍，使得估計值對因變數和自變數的異常觀測不那麼明顯
差分：1.計量中需要廣義差分方法的時候，如時間序列一階單整變為弱相關，序列相關用廣義差分修正，兩時期面板資料作差分控制非觀測效應（這個貌似不是對變數差分了。。）
對數差分：
第一次看到是在ben s.bernanke&harold james合著的《大蕭條中的金本位制，通貨緊縮與金融危機：一個國際比較》。
作者基於24個國家的面板資料集，實證研究從通貨緊縮到產出的各種傳遞機制的重要性時，做的迴歸。各個國家的工業產值的對數差分作為被解釋變數，批發**指數的對數差分，名義出口額的對數差分，名義工資的對數差分等變數作為解釋變數。題主看不懂他為什麼要將變數做對數差分處理。
adf檢驗和var模型使用的是原始資料後還需要取對數嗎?
12樓：匿名使用者
這個取不取對數關係並不大
因為原始資料是一階同階單整的,所以你只需要將原始資料進行一階差分變換成平穩的序列,就可以建立var模型.如果是經濟資料,那麼差分後應該注意其經濟意義
取對數只是為了消除原始資料中較大的波動性,並不會對原始資料的平穩性造成影響,而且對於經濟資料而言,取對數之後其經濟意義也會發生變化,即所說的彈性.