Stata 中具有多个回归变量的动态预测(arima)
Dynamic forecasting (arima) with multiple regressors in Stata
我有一个小的时间序列数据集,示例如下:
year AvgU5MR AvgPov AvgEnrol
2000 126.9307 41.0109 67.11833
2001 123.4138 39.9748 68.66798
2002 119.93 45.85194 65.82739
2003 116.4923 55.3706 69.17756
2004 113.1362 32.63662 70.83884
2005 109.9008 41.08603 75.35649
2006 106.816 43.45722 75.98755
2007 103.8878 19.19114 76.86299
2008 101.1161 38.05993 76.53685
2009 98.50167 21.91146 79.51743
2010 96.03816 36.33022 78.84795
2011 93.71016 35.46586 79.60537
2012 91.49234 24.44083 80.46068
2013 89.36112 79.87075
2014 87.30394
2015
...
2030
我想根据 AvgPov 和 AvgEnrol 作为我的自变量的 arima 多元回归估计创建到 2030 年的 AvgU5MR 预测(变量是非平稳的,所以我通过第四个差异消除了它),所以输入以下进入 Stata:
> arima D4.AvgU5MR AvgPov AvgEnrol
> predict U5hat, dynamic(2012) y
但是,当我这样做时,Stata 只计算样本内预测,而不计算样本外预测。关于如何获得样本外预测有什么建议吗?
我知道这个 (How to get Stata to produce a dynamic forecast when using lagged outcome as a regressor?) 也处理动态预测,但是使用超链接问题的答案中提供的类似代码并没有给我一个样本外预测。
在此先感谢您的帮助。
问题似乎是您正在包括 自变量 ,因此,估计 ARMAX 模型。对于样本外预测,您还需要自变量 AvgPov
和 AvgEnrol
的值。该模型不会估计它们;回想一下 因变量 是 D4.AvgU5MR
.
我有一个小的时间序列数据集,示例如下:
year AvgU5MR AvgPov AvgEnrol
2000 126.9307 41.0109 67.11833
2001 123.4138 39.9748 68.66798
2002 119.93 45.85194 65.82739
2003 116.4923 55.3706 69.17756
2004 113.1362 32.63662 70.83884
2005 109.9008 41.08603 75.35649
2006 106.816 43.45722 75.98755
2007 103.8878 19.19114 76.86299
2008 101.1161 38.05993 76.53685
2009 98.50167 21.91146 79.51743
2010 96.03816 36.33022 78.84795
2011 93.71016 35.46586 79.60537
2012 91.49234 24.44083 80.46068
2013 89.36112 79.87075
2014 87.30394
2015
...
2030
我想根据 AvgPov 和 AvgEnrol 作为我的自变量的 arima 多元回归估计创建到 2030 年的 AvgU5MR 预测(变量是非平稳的,所以我通过第四个差异消除了它),所以输入以下进入 Stata:
> arima D4.AvgU5MR AvgPov AvgEnrol
> predict U5hat, dynamic(2012) y
但是,当我这样做时,Stata 只计算样本内预测,而不计算样本外预测。关于如何获得样本外预测有什么建议吗?
我知道这个 (How to get Stata to produce a dynamic forecast when using lagged outcome as a regressor?) 也处理动态预测,但是使用超链接问题的答案中提供的类似代码并没有给我一个样本外预测。
在此先感谢您的帮助。
问题似乎是您正在包括 自变量 ,因此,估计 ARMAX 模型。对于样本外预测,您还需要自变量 AvgPov
和 AvgEnrol
的值。该模型不会估计它们;回想一下 因变量 是 D4.AvgU5MR
.