ARMA模型的eviews的建立時間序列分析實驗指導word文檔良心出品

1、時間序列分析實驗指導-2-4.I I III I I IIII IIII II I I I D D I II I I Ir r I IIII I I I P P I I III I IIP P I IIII IIIV VI I C C I I III I 4 4 R R I I3 3 I I 1 1 P P I I III I R R H H 50100150200250-NRND統(tǒng)計與應用數(shù)學學院隨著計算機技術(shù)的飛躍發(fā)展以及應用軟件的普及，對高等院校的實驗教學 提出了越來越高的要求。為實現(xiàn)教育思想與教學理念的不斷更新，在教學中必 須注重對大學生動手能力的培訓和創(chuàng)新思維的培養(yǎng)，注重學生知識、能

2、力、素 質(zhì)的綜合協(xié)調(diào)發(fā)展。 為此，我們組織統(tǒng)計與應用數(shù)學學院的部分教師編寫了系 列實驗教學指導書。這套實驗教學指導書具有以下特點： 理論與實踐相結(jié)合，書中的大量經(jīng)濟案例緊密聯(lián)系我國的經(jīng)濟發(fā)展實 際，有利于提高學生分析問題解決問題的能力。 理論教學與應用軟件相結(jié)合，我們根據(jù)不同的課程分別介紹了SPSS、SAS、MATLAB 、EVIEWS 等軟件的使用方法，有利于提高學生建立數(shù)學模型 并能正確求解的能力。這套實驗教學指導書在編寫的過程中始終得到安徽財經(jīng)大學教務處、實驗 室管理處以及統(tǒng)計與應用數(shù)學學院的關心、幫助和大力支持，對此我們表示衷 心的感謝！限于我們的水平， 歡迎各方面對教材存在的錯誤和不

3、當之處予以批評指正。2007統(tǒng)計與數(shù)學模型分析實驗中心年2月實驗九時間序列非平穩(wěn)性檢驗- 35 -實驗一實驗二實驗三實驗四實驗五實驗六實驗七實驗八EVIEWS中時間序列相關函數(shù)操作確定性時間序列建模方法時間序列隨機性和平穩(wěn)性檢驗時間序列季節(jié)性、可逆性檢驗ARMA模型的建立、識別、檢驗ARMA模型的診斷性檢驗ARMA模型的預測復習ARM健模過程- 18 - 21 - 27 - 30 - 31 - 33 -實驗九時間序列非平穩(wěn)性檢驗- 35 - 1 -,另一個是殘差序列RESID(實際值CREATED令，也可以建立工作文件。起始期 終止期實驗一 EVIEWS 中時間序列相關函數(shù)操作實驗目的】 熟悉

4、 Eviews 的操作：菜單方式，命令方式；練習并掌握與時間序列分析相關的函數(shù)操作 。實驗內(nèi)容】一、EViews軟件的常用菜單方式和命令方式;二、 各種常用差分函數(shù)表達式；三、 時間序列的自相關和偏自相關圖與函數(shù);【實驗步驟】一、EViews 軟件的常用菜單方式和命令方式 ；創(chuàng)建工作文件1菜單方式啟動EViews軟件之后，進入EViews主窗口在主菜單上依次點擊 File/New/Workfile ，即選擇新建對象的類型為工作 文件，將彈出一個對話框，由用戶選擇數(shù)據(jù)的時間頻率( frequency )、起始期 和終止期。選擇時間頻率為Annual (年度)，再分別點擊起始期欄(Start da

5、te ) 和終止期欄(End date ),輸入相應的日期，然后點擊 0K按鈕，將在EViews 軟件的主顯示窗口顯示相應的工作文件窗口。工作文件窗口是 EViews 的子窗口，工作文件一開始其中就包含了兩個對 象，一個是系數(shù)向量C (保存估計系數(shù)用) 與擬合值之差)。2.命令方式在EViews軟件的命令窗口中直接鍵入 命令格式為： CREATE 時間頻率類型 則菜單方式過程可寫為： CREATE A 1985 1998輸入Y、X的數(shù)據(jù)1 DATA命令方式在EViews軟件的命令窗口鍵入 DATA命令，命令格式為：- 2 -LOGY=LOG(Y)LOGX=LOG(X)X1=X2X2=1/XT=

6、TREND(84)DATA v序列名n本例中可在命令窗口鍵入如下命令：DATA Y X2鼠標圖形界面方式在EViews軟件主窗口或工作文件窗口點擊 Objects/New Object，對象類 型選擇 Series ，并給定序列名，一次只能創(chuàng)建一個新序列。再從工作文件目錄 中選取并雙擊所創(chuàng)建的新序列就可以展示該對象，選擇 Edit /，進入編輯 狀態(tài)，輸入數(shù)據(jù)。生成log （Y、log （X）、XA2、1/X、時間變量T等序列 在命令窗口中依次鍵入以下命令即可：GENRGENRGENRGENRGENR選擇若干變量構(gòu)成數(shù)組，在數(shù)組中增加變量。在工作文件窗口中單擊所要選擇的變量， 按住 Ctrl

7、鍵不放，繼續(xù)用鼠標選 擇要展示的變量，選擇完以后，單擊鼠標右鍵，在彈出的快捷菜單中點擊 Open/as Grou p,則會彈出數(shù)組窗口，其中變量從左至右按在工作文件窗口中選 擇變量的順序來排列。在數(shù)組窗口點擊 Edit / ，進入全屏幕編輯狀態(tài)，選擇一個空列，點擊標題欄， 在編輯窗口輸入變量名， 再點擊屏幕任意位置， 即可增加一個新變量。增加變量后，即可輸入數(shù)據(jù)。點擊要刪除的變量列的標題欄，在編輯窗口輸入新變量名，再點擊屏幕任意位置，彈出RENAM對話框，點擊YES按鈕即可。 在工作文件窗口中刪除、更名變量。1在工作文件窗口中選取所要刪除或更名的變量并單擊鼠標右鍵，在彈出 的快捷菜單中選擇De

8、lete （刪除）或Rename（更名）即可2在工作文件窗口中選取所要刪除或更名的變量，點擊工作文件窗口菜單 欄中的 Objects/Delete selected （ Rename selected ），即可刪除（更名） 變量3在工作文件窗口中選取所要刪除的變量，點擊工作文件窗口菜單欄中的Delete按鈕即可刪除變量。三、圖形分析與描述統(tǒng)計分析- 3 -利用P LOT命令繪制趨勢圖_在命令窗口中鍵入：PLOT 丫也可以利用PLOT命令將多個變量的變化趨勢描繪在同一張圖中，例如鍵入 以下命令，可以觀察變量 丫、X的變化趨勢PLOT Y X利用SCAT命令繪制X、丫的散點圖在命令窗口中鍵入：SC

9、AT X 丫則可以初步觀察變量之間的相關程度與相關類型、各種常用差分函數(shù)表達式表1-1:1949年1月-I960 年12月數(shù)據(jù)1949年1950年1951年1952年1953年1954年1955年1956年1957年1958年1959年1960年111211514517119620424228431534036041721181261501801961882332773013183423913132141178193236235267317356362406419412913516318123522726931334834839646151211251721832292342703183553

10、634204726135149178218243264315374422435472535714817019923026430236441346549154862281481701992422722933474054675055596069136158184209237259312355404404463508101191331621912112292743063473594074611110411414617218020323727130531036239012118140166194201229278306306337405432(一)利用D(x)命令系列對時間序列進行差分(X為表1-1中

11、的數(shù)據(jù))。1、在命令窗口中鍵入：ge nr dx= D(x)則生成的新序列為序列X的一階差分序列2、在命令窗口中鍵入：ge nr dxn= D(x ,n)- 4 -則生成的新序列為序列3、在命令窗口中鍵入：則生成的新序列為序列4、在命令窗口中鍵入：x的n階差分。genr dxs= D(x,0,s)x的對周期長度為s 一階季節(jié)差分。genr dxs n= D(x, n,s)則生成的新序列為對周期長度為s的時間序列x取一階季節(jié)差分后的序 列再取n階差分。5、 在命令窗口中鍵入：genr dlx= Dlog(x)則生成的新序列為x取自然對數(shù)后，再取一階差分。6、 在命令窗口中鍵入：genr dlxs

12、 n= Dlog(x, n,s)則生成的新序列為周期長度為s的時間序列x先取自然對數(shù)，再取一階 季節(jié)差分，然后再對序列取n階差分。在EVIEWS操作的圖形分別為：I DX21I - DX12|- 5 -60、時間序列的自相關和偏自相關圖與函數(shù)（一）觀察時間序列的自相關圖。命令方式：（1）在命令行輸入命令：Ide nt x（X為序列名稱）；（2）然后在出現(xiàn)的對話框中輸入滯后時期數(shù)。（可取默認數(shù)）菜單方式：（1 ）雙擊序列圖標。菜單操作方式：View Correlogram，在出現(xiàn)的對話框中輸入滯后數(shù)。（可取默認數(shù)）（二）練習：觀察一些文件中的序列自相關函數(shù)Autocorrelation ，偏自相

13、關函數(shù) Partial autocorrelation的特征練習1:操作文件：Stpoor1.wf1（美國S&P500工業(yè)股票價格指數(shù)1980年1月0.340200-20-40I DLX|DX12Idinsp : genr1996 年 2 月）步驟：（1）打開該文件。（2） 觀察序列stpoorr的趨勢圖，自相關圖（自相關函數(shù)，偏自相關函 數(shù)）的特征。（3） 對序列取一階差分，生成新序列dsP： genr dsp=d（stpoor），并觀 察其趨勢圖，自相關圖（同上，下略）的特征。（4） 對該序列的自然對數(shù)取一階差分，生成新的序列 dinsp=dlog（st poor），并觀察其趨勢圖，自相關

14、圖。Series:Series: STPOORSTPOOR Torkfile:Torkfile: STPOOR*!STPOOR*!ects I Frint|Hame|Freeze| Sample|Genr|Sheet|Stats|Ident|Line| Ear |Correlogram of STPOORDate 02/14/07 Time 11 10Sample 1980 01 199G02 Included obserations 194Autocorrelation Pmrtiml Correlation AC PAC Q-Stat Pob1 0 9750 975187 37 0 000

15、2 0.9520.0283G7.01 0.0003 0 9280 037538 57 0 0004 40 90e0 018702 7G0 0005 0 8850 0208G0 21 0 000G 0.8G4-0.0051011.1 0.0007 70S450 024115S20 0008 0 825Oil1235 4 0 0009 0 8080 0231429 4 0 00010 0.7910 0261S58.8 0 00011 0 77S0 0211S34 1 0 00012 0 7620 0101805 5 0 000- 7 - 8 -回岡AC PACProb步驟：(1)打開該文件。(3)

16、觀察序列usagdp的趨勢圖的特征，自相關圖的特征。對該序列取一階差分，生新的序列dgdP： Genr dgdp=d(usagdp)。觀察其趨勢圖，自相關圖。(4)對該序列的自然對數(shù)取一階差分，生成新的序列dingdp : Genr Series:Series: DLHSPDLHSP Torkfile:Torkfile: STPOOR*!STPOOR*!r r a a e e I I e e I I SanplSanpl 6 6 GanrGanr | | SheShe 電 1 11|1| S S 電AtAt s sCoirelogram of DLHSPDate 02丿07 Time 11 3

17、2Sample ISSOOI 1996 02Included obserations 193Autocorrelation Partial Correlation練習2:操作文件：usagnp.wf1(美國1947年第一季度-1970年第四季度GNP數(shù)據(jù))IE I: :r rI I10 298 0 29820 001 -0i 10%3 -0.113 -010944 0038 01 02950 047 01049G 0 0i2S -0.0167 -0 039 -0 0483 -0 105 -0 0739 -0 039 0 i02010 -0 027 -0 040110 0i19 0 Ol S12

18、133164117 392117.39219 92720.21620.65520 31321 12723 36323 56323 31523 39127 5490 0000.0000.0000.0000.0010 0020 0040 0030 005 ooos0 013OOOG- 9 -dingdp=dlog(gdp)。觀察其趨勢圖，自相關圖。(5)對序列一階季節(jié)差分，生成新序列 dsgdp=d(usagdp,0,4)觀察其趨勢圖，自相關圖的特征。(6)對該序列的自然對數(shù)取一階季節(jié)差分，生成新的序列：dsln gd p=dlog(usagd p,0,4)，觀察其趨勢圖、自相關圖。實驗二確定性時

19、間序列建模方法【實驗目的】熟悉確定性時間序列模型的建模原理；掌握確定性時間序列建立模型的幾種常用方法。【實驗內(nèi)容】一、多項式模型和加權(quán)最小二乘法的建立；二、單參數(shù)和雙參數(shù)指數(shù)平滑法進行預測的操作練習;三、 二次曲線和對數(shù)曲線趨勢模型建立及預測； 【實驗步驟】、多項式模型和加權(quán)最小二乘法的建立；1、我國19741994年的發(fā)電量資料列于表中，已知1995年的發(fā)電量為10077.26億千瓦小時，試以表1.1中的資料為樣本：（1） 據(jù)擬合優(yōu)度和外推檢驗的結(jié)果建立最合適的多項式模型。（2） 采用加權(quán)最小二乘法估計我國工業(yè)發(fā)電量的線性趨勢，并與普通最小二乘法估計的線性模型進行比較，列出OLS方法預測值和

20、 W=0.6,W=0.7時1992到1995年預測值以及相對誤差。74-7879-8384-8889-9394-9516682820377058489281195830064107621210077.26203130934495677522343277497375392566351454528395操作過程： 建立 WORKFILE: CREATE A 1974 1995- 10 -生成新序列丫： data y生成新的時間趨勢序列t : genr t=trend(1973) 建立系列方程：sm pl 1974 1994Is y c tIs y c t t2Is y c t t2 t3- 11

21、-暫 EViersEViersQ區(qū)FileFile EditEdit ObjectsObjects ViewView ProcsProcs QuickQuick OalionsOalions 址indovindov HelpHelp1 1CREATE A19741995A|data yvlvlTTortfile:TTortfile: UITTITLEDUITTITLEDl-inl；flquation:flquation: EQO1EQO1orkfile:orkfile: UVTIILEDUVTIILEDRange 1974 1995 Filter * Default Eq. NoneSampl

22、e: 1974 19950 resid3yiewiewrrocsictjgctsirrocsictjgctsi S S也veve|Label+/-|Label+/-| ShewShew| |Fetch!Fetch!StoreStore| |DeleteDelete| |GeiurGeiur| |S SI- n.xDate 02/16/07 Time門 11Sample: 1974 1994Included observations: 21呂1 1VariableCoefficiertStd Errort-StatisticProLC630 0524262 420S2 431330 0251 一

23、T344.653220 3997816 490760 0000R 亠 squared0.934696Mean dep endent var4429 233Adjusted RsquareJ0S31259S D dependent var2211 962S.E of regression579.9452Akaike info criterion15 65414Sum squared resid6390393Schwarz criterion15.75362Log likelihood-162 36S4F-statistic271 9453Durbin-Watson slat0 166011Pro

24、b（F-3ta（tistic）0 000000 VDependent Variable: YMethod Least Squares- 12 - 13 -iawlFrocsIObjgtsIiawlFrocsIObjgtsI PrintPrint| |HammHamm| |FrwwzeFrwwze| | .Estimateds.Estimateds| |A AVariable Equation:Equation: EQO2EQO2 Torkfile:Torkfile: TOTITLEDTOTITLED岡 1 1 、 * * 1 1YiYiew|Frcs|ObjectsJew|Frcs|Objec

25、tsJ FrintFrint | |HomeHome TreezeTreeze| | stinate|Forca:tstinate|Forca:t StatsJStatsJEesidsEesids | |Dependent Variable YMethod Least SquaresDate 02/16.07 Time 11 12Sample 1974 1994三Included obseifvations 21VariableCoefficient Std Error t-Statistic ProbC1977 299145 7S7C13 562930 OCOOT4 71550130 523

26、860 1544860 8789卩215.3.8040 1.34?48e 11.78520 0.0000R-squared0 992508Mean dependent var44四 238Adjusted R*squared0 9911675 S D dependent var2211962S E of regression201 8203ARaike info criterion 13 5S42OSum squared resid7331S5.7Schwarz enterion13 73341Log likelihood-139 6341 F-statistic1192 229 v Equa

27、tion:Equation: EQ03EQ03 fortfile:fortfile: UHTITLEDUHTITLEDDependent Vanable Y Method Least Squares Date 02/16/07 Time 11 13 Sample. 1974 1M4 Included observations. 21Coefficient Std Error1-Statistic PbC CTP2P31337 91S283 7641-11615132Oi 970165397 8631537 630443 9263930 11749314 182217 540B124 11352

28、63 26142010 00000 00000 00070 0000R-squaredAdjusted R-squared S E of regression Sum squared resid0 99350601 99324292 73660146201 3Mean dependent var S D dependentvar Akaike info criterion Schwarz criterion4429 23S2211 96212 0670512 26600- 14 -通過擬合優(yōu)度和外推檢驗的結(jié)果發(fā)現(xiàn)一元三次多項式模型效果最好。首先生成權(quán)數(shù)序列：genr m=sqr(0.6(21-

29、t)加權(quán)最小二乘法的命令方式：ls(w=m) y c t普通最小二乘法命令方式：Is y c t進行預測：打開對應的方程窗口，點 forecast按紐，將出現(xiàn)對 話框，修改對話框sample range for forecast中的時間期限的 截止日期為預測期.相對誤差的計算公式為：(實際值-預測值)/實際值JDI xl5le5le EditEdit ObjectsObjects 処詬 ProcsProcs QuickQuick O&oonsO&oons WindowWindow HelpHelp ls(v/=m) y c tDependent Variable Y Method Least

30、Squares Dste- 02/26/07 Time 19 H Sample 1974 1994 Included Dbsepyaiions 21 Weighting series. MC4502 831623 4452-7 222486O.OOOIOT647 67&331 3147620 3573-10 0000Weighted StalisticsRsquared0 998531fJean dependent var7101 967Adjusted R-squared0 993453S D dependerit var117G4 09S E of regression462 6fi55A

31、kaike info crilGrion15 20228Sum squared resid40S7127Schwarz criterion1530176Log likelihoodJ57 6239Fstatistic4U 4416Durtin-AatSOn stat0 45791?ProbfF-statisticli0000000IJIII Path = c： eviews3 DE =none jflF =variableuntitledCoefficient Sid Error t-Statistic Peb- 15 -ForecastForecast ofof Y YSeriesSerie

32、s names:names:ForecastForecast name:name:5.E.5.E. (optional(optional:SampleSample rangerange forfor forecast:forecast:|1974|1974 19951995匕 InsertInsert actuahactuah forfor out-of-sampleout-of-sampleKXjXj+ +StaticStaticQQ亠 人 h h -:/匸M 電 J -r L LOiiutput:Oiiutput:DoraphDoraphForecalForecalevaluahoneva

33、luahon EquattoreEquattore IMITTIEDIMITTIED Workffle:Workffle: SKITTLEDSKITTLEDJnl xJtSStSS： ItsIts a a: :i3i3：9 9：3 =刃寵；a 1萌否呂、單參數(shù)和雙參數(shù)指數(shù)平滑法進行預測的操作練習2、某地區(qū)19962003年的人口數(shù)據(jù)如表1.2 ,運用二次指數(shù)平滑法預測該ancelancelM M ethodethod：desndesn .&iclu=.&iclu= EP d=snd=sn ASiASi Pe3=tPe3=t EkzrEkzr ThTh昌ilil lrlr茹7訓ilyily C:

34、C:尋(fi(fi日wntwntFrFr：p5fticrp5fticr VaridVaridrwrw Frcc=rtt-Frcc=rtt-：n n 二3 仙 OSOS F*F*旳oftienoftien=oreca=l. =2ct3l Y=jre=l j-Yipls 197-ncci=-vaizpicci=-vaizpi 2222- 16 -InJ xFilter *Default Eq F Jone鎮(zhèn)2004年底的人口數(shù)(單位：人)。=0.41996199719971998199819991999200020002001200120022002200320031143331143331158

35、2311582311717111717111851185 仃119850119850121121121121122389122389123626123626建立 WORKFILE : create U 1996 2004建立新序列丫和T:data y然后輸入數(shù)值。genr t=tre nd(1995)打開y序列，點擊 exponential smoothing按紐，出現(xiàn)如圖所示對話 框按照圖示選項點擊確定即可。data ygenr lgtrendllgtrend995IrrgjIrrgj lotj.clotj.c好I I Sw*!Sw*! L*b*lL*b*l + + fTfT Sh&*Sh&

36、* | | Fitch5tor*Fitch5tor* |p*l*t*|g*rkr|p*l*t*|g*rkr I I S*jftpl|S*jftpl| RangeRange 996996 20042004S S日mplE.mplE. 199$199$ 200200迺c0 0 residresid0t0tE3yE3yT T succtiifullvsucctiifullv gmpwttd,gmpwttd, I I= c；|(DB|(DB = = jieinjiein FF = = untilltduntilltd- 17 -SmoothiSmoothingng Method:Method:井 Pa

37、rametersParametersSmoothedSmoothed SeriewSeriew：jinglejingle* * DoubleDouble：HoH-WintersHoH-Winters - - NoNo seasonalseasonalHoll-WintersHoll-Winters - - AdditiveAdditiveHolt-WintersHolt-Winters - - MulUplicaHveMulUplicaHve干SMSMSeriesSeries namename forfor : :smoothedsmoothed aridarid forecastedfore

38、casted values.values.EtifnationEtifnation S S ampleample：1 1 996996 20042004Alpha:Alpha: (meanj(meanj|EEnterEnter numbernumber betweenbetween 0 0 andand 1,1, oror E E toto estimate.estimate.BetaBeta： (trend)(trend)|EGamma:Gamma:(seasonal)(seasonal)h 1ForecastsForecasts beginbegin inin periodperiod f

39、ollowingfollowing estimationestimation endend pointpointRcleRcle forfor SeasonaSeasonal l：2121ExpoftentiailExpoftentiail SmoothiiivgSmoothiiivgCancelCancelI tava酬潮畀!ai川就 _.也哲e e 胃 |?f|?f PCSPCS I I ObjectObject 喜 | FrintlHFrintlH泗 &| FrFr 電色 re|re| EAiEAi t+/=t+/= | | Smpl+/wSmpl+/w | | LdiLdi &!+/-

40、&!+/- | | WiWi cle+cle+ | | InIn1YSU11 11 11Modified 1996 2003smooth(n.e ej ysmxJrulodifiecl: 1996 2003 / y.smoothjd.e) ysm1996114376 0寮199 了115701 31993117250 0報199911S56572000119832 32001121196 0寮200212242722003123671 32004124B33 1_LtGSmoothingSmoothing ParametersParameters：KK- 18 -SSSsSSoSSefiwfi

41、oSsiofiwSiSSioSBSSSSBSsSSiBSS- 19 -，出現(xiàn)如圖所示對話zJSlxl3、某地區(qū)19962003年農(nóng)村用電量數(shù)據(jù)見表1.3，試利用Holt雙參數(shù)指 數(shù)平滑法預測該地區(qū)2004年該地區(qū)農(nóng)村用電量(單位：千瓦時)。199619971997199819981999199920002000200120012002200220032003844.5844.5963.2963.21106.91106.91244.81244.81473.91473.91655.71655.71812.71812.7佃 80.180.1建立 WORKFILE : create U 1996 20

42、04建立新序列丫和T:data y然后輸入數(shù)值。genr t=tre nd(1995)打開y序列，點擊 exponential smoothing按紐 框按照圖示選項點擊確定即可。data Vgeiirt=gtrend(1995)Range 1996 2004 Filter * Default Eq None Sample 1996 20040tSy0 ysmpFathpFath - - c:eview53c:eview53 |卩5 5 - - nonenone wFwF 二 uiditleduiditled- 20 -SmoothSmooth inflinfl Method;Method;t

43、ttt ParametersParametersSmoothedSmoothed Series;Series;jinglejingle1 1RoubleRouble1 1HcilhWintersHcilhWinters - - NoNo seasonalseasonal Holl-WintefsHoll-Wintefs- -AdditiveAdditive3 3Holt-WintersHolt-Winters- - MukiplicativeMukiplicative 3 3fVSMfVSMSeriesSeries nmmenmme forfor smoothedsmoothed andand

44、 forecastedforecasted values.values.EstimEstim曰tioritiori Sample;Sample;1 1 936936 20042004AlphaAlpha：IE(mean(meanEnterEnter numbernumber (hdmgarh(hdmgarh n n旦EtEt旦：(trend)(trend)|Eandand K K oror estimateestimateE E totoGamma;Gamma;(seasonal)(seasonal)|EForecastsForecasts beginbegin inin periodperi

45、od FollowingFollowingI I eElinnaticineElinnaticin endpoint.endpoint.CpcieCpcie forfor Seasonal:Seasonal:（選做）CancelCancel三、二次曲線和對數(shù)曲線趨勢模型建立及預測4、我國民航客運量數(shù)據(jù)的季節(jié)調(diào)整。 有關數(shù)據(jù)如表1.4 ,對序列進行季節(jié)調(diào) 整。（1指1993年10月，54指1998年3月）并對調(diào)整后序列建立二次曲線和 對數(shù)曲線趨勢模型，得到兩個方程的民航客運量趨勢估計值， 并進行季節(jié)調(diào)整, 求出兩個趨勢方程建立的季節(jié)模型預測值。1 12 23 34 45 56 67 732832

46、826326325125124124124924931631634434411111212131314141515161617173843843683684014013633633363363663663313312121222223232424252526262727397.31397.31463463509509474474508508458.94458.94412412313132323333343435353636373744744748348343943951451455055048948953453441414242434344444545464647474164164514514

47、86.2486.2507507458.99458.994934935625625151525253535454398398442442404.55404.55428428SmocithingSmocithing ParameterParameter ELOKOK- 21 -EQY分別是對x、y的估計結(jié)果。操作內(nèi)容：（1）觀察序列at 的自相關圖，看其是否為白噪聲序列，為什么？x的自相關圖：樣本自相關函數(shù)（SACF呈指數(shù)衰實驗三 時間序列隨機性和平穩(wěn)性檢驗實驗目的】 認識 Eviews 輸出的時間序列自相關圖的內(nèi)容及含義： 自相關函數(shù)、偏自相關函數(shù)、 95%置信限、 Q-statistic 學會

48、通過自相關圖的Q統(tǒng)計量判斷序列是否為白噪聲。 通過觀察序列的趨勢圖及自相關圖判斷序列是否為平穩(wěn)序列。實驗內(nèi)容】一、本次練習主要操作文件為 ar1.wf1 ，ar2.wf1 ，ma1.wf1，ma2.wf1，armall.wfl，arma21.wf1，各文件中包含的序列都是模擬生成的零 均值平穩(wěn)序列。二、總結(jié)各種過程自相關函數(shù)，偏自相關函數(shù)的特征。三、觀察其他文件中的序列，看其是否平穩(wěn)，若不平穩(wěn)，試通過適 當?shù)牟罘肿儞Q、方差平穩(wěn)化變換 （取對數(shù)，平方根等 ）使其轉(zhuǎn)化為平 穩(wěn) 序列，然后觀察序列的自相關函數(shù)，偏自相關函數(shù)的特征，并 與自已總結(jié)的各種過程的特征對照。實驗步驟】 練習 1. 操作文件：

49、 ar1.wf1 說明：該文件中含有三個序列： at 為模擬生成的正態(tài)白噪聲序列； x、 y 均是 模擬生成的 ar（1） 過程，其參數(shù)各不相同。文件中有兩個模型： EQX、2）觀察序列減，樣本偏自相關函數(shù)（ SPAC）F 滯后一階截尾。3）觀察序列 y 的自相關圖：樣本自相關函數(shù)呈正負交替的指數(shù) 衰減，樣本偏自相關函數(shù)滯后一階截尾。（4）分別打開EQX EQY試寫出對X、y的估計結(jié)果。練習 2：操作文件： ar2.wf1 說明：該文件中含有四個序列： at 為模擬生成的白噪聲序列； x， y， z 均為模 擬生成的AR（2）過程，且其參數(shù)各不相同。文件中有三個模型：分別是對 x y z 的估

50、計結(jié)果。操作內(nèi)容：（1） 分別觀察序列X，y，z的自相關圖，看其樣本自相關函數(shù)，樣 - 22 -本偏自相關函數(shù)各有什么特征。 （提示：其樣本自相關函數(shù)分別呈 混合指數(shù)衰減 正負交替的混合指數(shù)衰減 阻尼正弦波衰減；樣本 偏自相關函數(shù)均滯后二階截尾） 。（2） 分別打開EQX EQY EQZ寫出對x、y、z的估計結(jié)果。練習 3：操作方件： ma1.wf1說明：文件中的序列 x、y 分別為模擬生成的 ma（1） 過程，其參數(shù)各不相同。文 件中的模型EQX EQY為對x、y的估計結(jié)果。操作內(nèi)容：（1）分別觀察序列 x，y 的自相關圖，看其樣本自相關圖，偏自相關 圖各有什么特征。 （提示：其樣本自相關函

51、數(shù)均呈滯后一階截尾， 樣 本偏自相關函數(shù)分別呈指數(shù)衰減、正負交替的指數(shù)衰減） 。（2）分別打開EQX EQY寫出對x、y的估計結(jié)果。練習 4：操作文件： ma2.wf2說明：文件中的序列分別為模擬生成的 MA（2）過程，其參數(shù)各不相同。操作內(nèi)容：（1）分別觀察序列X，y的自相關圖，看其樣本自相關圖，偏自相關 圖各有什么特征。（提示： 各序列的樣本自相關函數(shù)均滯后二階截尾， 樣 本偏自相關函數(shù)分別呈混合指數(shù)衰減 正負交替的混合指數(shù)衰減，阻尼 正弦波衰減）。（2）分別打開EQX EQY寫出對X、y的估計結(jié)果。練習 5：操作文件： ARMA11.wf1說明：文件中的序列x, y, z分別為模擬生成的

52、不同參數(shù)的 ARMA（1,1）過程, EQX EQY EQZ分別為對各序列估計的結(jié)果。操作內(nèi)容：（1）分別觀察序列X，y的自相關圖，看其樣本自相關圖，偏自相關 圖各有什么特征。（提示：各序列的自相關函數(shù)， 偏自相關函數(shù)都呈 指數(shù)衰減）。（2）寫出各模型的估計結(jié)果。練習 6：操作文件： ARMA21.wf1操作內(nèi)容：（1）分別觀察序列 x，y 的自相關圖，看其樣本自相關圖，偏自相關 圖各有什么特征。（提示：各序列的自相關函數(shù)， 偏自相關函數(shù)都 呈指數(shù)衰減）。- 23 -（2）寫出各模型的估計結(jié)果。- 24 -實驗目的】實驗內(nèi)容】ar1.wf1 ，ar2.wf1 ，ma1.wf1，ma2.wf1，

53、arma11.wf1 ，arma21.wf1實驗四 時間序列季節(jié)性、可逆性檢驗觀察具有實際背景的經(jīng)濟數(shù)據(jù)，判斷其是否平穩(wěn)、是否含有季節(jié)性，均值是否為零。能運用合適的方法如差分、季節(jié)差分、 取對數(shù)、平方根等，使序列變?yōu)槠椒€(wěn)序列；平穩(wěn)序列減去其均 值，使其零均值化。、判斷序列的平穩(wěn)性和可逆性，給出相應判斷依據(jù)，并寫出模 型形式。二、找出自己感興趣的數(shù)據(jù)，判斷數(shù)據(jù)是否平穩(wěn)，是否具有季節(jié) 性，均值是否為零等。實驗步驟】練習一操作文件：操作內(nèi)容 ： 一、(1)打開文件 ar1.wf1 ，(2)依 據(jù) EQX， 寫 出 關 于 序 列 x 的 模 型 形 式 ： Xt=0.68Xt-1+at(3) 寫出用

54、B算子表示的模型形式：(1 0.68B) Xt = at(4)判斷模型是否平穩(wěn)？說明原因。(5)寫出該模型的傳遞形式。二、(1)打開文件 ar2.wf1(2) 依據(jù)EQX寫出序列x的模型形式為：Xt=0.49Xt-1 +0.25Xt-2+at(3)寫出用B算子表示的形式：(4)判斷模型是否平穩(wěn) ?說明原因。(5)試推導模型的傳遞形式。并寫出其前 5個格林函數(shù)。三、(1)打開文件 ma1.wf1(2)依據(jù)EQX寫出序列X的模型形式：Xt= at 0.82at-1(3)寫出用B算子表示的形式：Xt= (1 0.82B)at(4)判斷模型是否可逆？說明原因。5)寫出該模型的逆轉(zhuǎn)形式。四、( 1 )打

55、開文件 arma1.wf1- 25 -五、(2)依據(jù) EQX寫出序列 X 的模型形式：Xt= 0.92 Xt-1 +at 0.57at-1(3)寫出用B算子表示的形式：(1 0.92B)Xt= (1 0.57B)at(4)判斷模型是否平穩(wěn)？是否平穩(wěn)？說明原因。(5)試推該模型的傳遞函數(shù)形式。打開ma2.wf1寫出各序列模型形式及用 B算子表示的形式，判斷序列 是否可逆，試推導其逆轉(zhuǎn)形式。打開ARMA21.wf1寫出各序列模型形式及用B算子表示的形式，判斷序列是否平穩(wěn)，是否可逆，試推導其傳遞函數(shù)形式，逆轉(zhuǎn)形式。練習二操 作 文 件 ： zl1.wf1zl20.wf1 ， gdp.wf1 ， gd

56、pindex.wf1 ， stpoor.wf1 ， usagnp.wf1 等。文件說明： ( 1 )zl 1 wf1 zl2 0 . wf1 各文件是教材后附錄 III 所列資料，各數(shù)據(jù) 背景參見附錄。(2) gdp.wf1 為我國 19782001 各年 GDP數(shù)據(jù)。Gdpindex.wf1為我國19532001各年GDp旨數(shù)，即各年 GDP發(fā)展速度數(shù)據(jù)。( 3) stpoor.wf1 ， usagnp.wf1 文件說明見第一次上機實習內(nèi)容說 明。判斷是否平穩(wěn)、是否具有季節(jié)性的方法：( 1)通過序列的趨勢圖粗略的判斷。( 2)通過序列的自相關圖判斷。若序列自相關函數(shù)衰減緩慢，滯后較 長時期仍

57、不為零，則可初步斷定序列非平穩(wěn)。若序列的自相關函數(shù)周 期性的顯著不為零(如月度數(shù)據(jù)的滯后 12 期， 24期， 36期等自相關 函數(shù)顯著不為零；季度數(shù)據(jù)的滯后 4， 8， 12， 16各期自相關函數(shù)顯著 不為零)則可判斷序列含有季節(jié)性。使序列平穩(wěn)化的方法：-26 -（1）列方差平穩(wěn)。(2)(3)年199011421.421367.431719.741759.651795.761848.171637.381670.991760.1若數(shù)據(jù)方差非平穩(wěn)，應先通過對數(shù)變換、平方根變換等方法，使序 先通過差分消除序列的長期趨勢（如果有的話）。再通過季節(jié)差分消除序列的季節(jié)性（如果有的話）。差分函數(shù)的使用可見

58、前兩次上機實習內(nèi)容。使平穩(wěn)序列零均值化的方法：在Eviews中可通過函數(shù)mean（求序列的均值。如要求平穩(wěn)序列x的均值，并對序列x零均值化，則可用如下命令：Scalar m=mea n（x）Genr y=x m其中：Scalar命令在Eviews中表示生成標量數(shù)據(jù)（均值只是一個數(shù)，而 不是序列）。丫 為對x零均值化后的序列。當然，上述命令也可簡化為：Genr y=x mea n（x）習題三：用自相關分析圖識別1990年1月至1997年12月我國工業(yè)總產(chǎn)值的月度時間序 列及其自然對數(shù)的平穩(wěn)性，并說明理由。若不平穩(wěn)試繪制自然對數(shù)序列的一階 逐期差分和一階季節(jié)差分后的我國工業(yè)總產(chǎn)值序列的相關分析圖。

59、1990年1月至1997年12月我國工業(yè)總產(chǎn)值（單位：億元）數(shù)據(jù)-27 -101789.5111888.6121981.411757.821485.731893.941969.852033.76210371836.381914.792022.2102045.1112069.2199112213611984.221812.432274.742328.952373.162515.8722888232192441.1102502.6112608.81992122823.812179.122408.732869.442916.753022.163274.572862.982864.2929081029

60、11.81993113101.3-28 -123664.312903.322513.83340943499.553642.663871.47337383463.493663.74103753.38113973.171994124469.0212996.722740.333580.943746.353817.964046.673483.983510.693703.1103810.71140911995124650.79913476.622970.333942.644067.654746.89964417.29973806.883746.394011.1104129.6114372.8991996