Stata 序列相关性问题的检验与处理

列相关性问题的检验：
首先，要保证所用的数据必须为时间序列数据。如果原数据不是时间序列数据，
则需要进行必要的处理，最常用的方法就是： 
gen n=_n 
tsset n 
这两个命令的意思是，首先要生成一个时间序列的标志变量n（或者t 也可以）；
然后通过tsset 命令将这个数据集定义为依据时间序列标志变量n定义的时间序

列数据。 
最直观的检验方式是通过观察残差分布，其基本步骤是在跑完回归之后，直接输
入 
Predict error, stdp     //此处有疑问，predict r,residuals
这样就得到了残差值；然后输入命令： 
plot error n 
会得到一个error 随n 变化的一个散点图。

D-W检验——对一阶自相关问题的检验： 
D-W检验是对一阶自相关问题的常用检验方法，但是如果实际问题中存在高阶
序列相关性问题，则不能用这个检验方法。 
D-W 检验的命令如下： 
首先，输入回归命令， 
reg Variable1 Variable2 Variable3…VariableM 
输出一个简单的OLS估计结果。然后，再输入命令：

dwstat 
这时会输出一个DW  统计量。通过与临界值之间的比较，可以得出结论。也可
以执行如下命令

estat durbinalt //可以有lags(p)

直接进行Durbin检验。 
 
Breusch-GodfreyTest in STATA——检验高阶序列相关性： 
在得到一个基本回归结果和error 之后，我们假设这样一个关系： 
et = α0 + α1 et-1 + α2 et-2 …+ αk et-p + β1 x1t + β2 x2t … +βk xkt +εt 
BG  检验的原假设是：H0  ：  α1 = α2 = … αp =0。 
其基本命令是： 
bgodfrey , lags(p) 
其中p  是你自己设定的一个滞后项数量。如果输出的p-value 显著小于0.05，则
可以拒绝原假设，这就意味着模型存在p  阶序列相关性；如果输出的p-value 显
著大于0.05  甚至很大，则可以接受原假设，即不存在p  阶序列相关性。 

处理序列相关性问题的方法——GLS： 
常用的几种GLS  方法： 
（1） Cochrane-Orcutt estimator and Prais-Winsten estimator 

Specifically,
    the errors are assumed to follow a first-order autoregressive process--AR(1)。
其基本命令是 
prais var1 var2 var3, corc 
（2） Newey-West standard errors 
其基本命令是 
newey var1 var2 var3, lag(3) 
其中，lag（3）意思是对三阶序列相关性问题进行处理；如果需要对p  阶序列相