سری‌های زمانی کاربردی با استفاده از Stata

آنچه یاد خواهید گرفت:

• درک روندهای قطعی و تصادفی
• تشخیص سری‌های زمانی ایستا
• تعیین مدل‌های بهینه ARIMA
• شناسایی تغییرات سیاستی با استفاده از مدل‌های مداخله
• تخمین خودرگرسیون‌های برداری و پویایی‌های آن‌ها
• درک مدل‌های تصحیح خطای برداری
• بررسی خودرگرسیون‌های برداری پانل
• تبدیل شدن به یک کاربر مسلط به Stata

توضیحات دوره

این دوره مدل‌های سری زمانی تک‌متغیره و چندمتغیره، شامل ARIMA، خودرگرسیون‌های برداری و مدل‌های تصحیح خطای برداری را پوشش می‌دهد. علاوه بر این، به بررسی هم‌انباشتگی و VARهای پانل می‌پردازیم که معمولاً در دوره‌های سری زمانی پوشش داده نمی‌شوند. دوره با مقدمه‌ای بر سری‌های زمانی، ایستایی و آزمون ریشه واحد آغاز می‌شود. سپس مرتبه انباشتگی سری‌های زمانی را تعیین کرده و به سراغ مدل‌های خودرگرسیون میانگین متحرک انباشته (ARIMA) می‌رویم. تحلیل مداخله، گسترش مفیدی از مدل‌های ARIMA است. این متد می‌تواند پیش‌بینی رویدادهایی مانند تغییرات سیاستی را تشخیص دهد.

مدل‌های چندمتغیره مانند VARها و VECMها به طور گسترده در این دوره پوشش داده خواهند شد. پویایی‌های کوتاه‌مدت و شرایط تعادلی بلندمدت بین سری‌های زمانی را می‌توان با استفاده از توابع واکنش آنی و هم‌انباشتگی مطالعه کرد. مهم‌تر از همه، ما در مورد تشخیص شکست ساختاری بحث خواهیم کرد که در افزایش توانایی ما برای پیش‌بینی سری‌های زمانی حیاتی است. شکست‌های ساختاری می‌توانند در نقاط زمانی مشخص یا نامشخص رخ دهند.

ما در مورد متدهایی که می‌توانند breakpoints بهینه را پیدا کنند، یاد خواهیم گرفت. علاوه بر این، مدل‌های ARCH و GARCH را برای پیش‌بینی واریانس شرطی سری‌های زمانی خواهیم ساخت. تمام مطالب در Udemy در دسترس است. می‌توانید از نسخه‌های قدیمی‌تر Stata برای انجام تحلیل‌ها استفاده کنید. به ما بپیوندید. بیایید از لذت تحلیل داده لذت ببریم!

این دوره برای چه کسانی مناسب است؟

• اگر به مدل‌سازی و پیش‌بینی سری‌های زمانی علاقه‌مند هستید، این دوره برای شماست.