. arimad1.gnp96#作一阶差分#,arima(2,1,2)
Ar一阶差分 Ma 随意误差项
对于不显著的两个L2项可以去掉 . arima D1. gnp96, arima(2,0,2)
接下来引入季节差分
. arima gnp96, arima(2,1,2) sarima(0,1,1,4)#季度为4，月份为12#
在此基础上作预测（对差分后的预测）扩充了四个季度的值
再加上y以保证自由度进行预测
预测残差
建立arch 3/2模型——不收敛= =！！（或许是不具有方差性的原因）
检验序列是否平稳
不拒绝H0，表明不平稳（金融数据特征）。H0:正常平行。
一阶差分后变平稳。
一阶差分后的数据和date的图表明数据在围绕一个趋势上下波动 scatter d1.gnp96 date
菲利普斯检验——不拒绝H0
面板数据
时间序列和截面数据的结合 Xtset id year
Xtset id year,yearly Xtsumcpip
分类数据的汇总 Xttabcp 变化趋势图 Xtlinecp
.xtlinecp, overlay放在一张图中的所有曲线，便于比较关系
主要介绍静态模型 1. 混合模型 .regcpip
.xtregcpip, fe固定效应结果【假定个体不同】【看F检验结果】 predictfix_indic,u
listfix_indic #预测个体效应#
.xtregcpip, re 随机效应结果 GLS回归 对随机效应模型考虑用其他方法估计 .xtregcpip, mle最大似然估计 .xtregcpip, be 组间回归 [系数应大体稳定] 2. 总体模型 .xtregcpip,pa
验证使用固定效应or随机效应模型hausman检验 xtregcpip, re 随机效应 est store random 保存
xtregcpip, fe固定效应 est store fix 保存 hausman fix random 检验 拒绝H0 用固定效应模型