Eviews时间序列分析Word下载.docx

Eviews时间序列分析Word下载.docx

《Eviews时间序列分析Word下载.docx》由会员分享，可在线阅读，更多相关《Eviews时间序列分析Word下载.docx（28页珍藏版）》请在冰点文库上搜索。

GENRT=@TREND（84）

㈣选择若干变量构成数组，在数组中增加变量。

在工作文件窗口中单击所要选择的变量，按住Ctrl键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open/asGroup，则会弹出数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。

在数组窗口点击Edit＋/－，进入全屏幕编辑状态，选择一个空列，点击标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量

增加变量后，即可输入数据。

点击要删除的变量列的标题栏，在编辑窗口输入新变量名，再点击屏幕任意位置，弹出RENAME对话框，点击YES按钮即可。

㈤在工作文件窗口中删除、更名变量。

⒈在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出的快捷菜单中选择Delete（删除）或Rename（更名）即可

⒉在工作文件窗口中选取所要删除或更名的变量，点击工作文件窗口菜单栏中的Objects/Deleteselected…（Renameselected…），即可删除（更名）变量

⒊在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的Delete按钮即可删除变量。

三、图形分析与描述统计分析

㈠利用PLOT命令绘制趋势图

在命令窗口中键入：

PLOTY

也可以利用PLOT命令将多个变量的变化趋势描绘在同一张图中，例如键入以下命令，可以观察变量Y、X的变化趋势

PLOTYX

㈡利用SCAT命令绘制X、Y的散点图

SCATXY

则可以初步观察变量之间的相关程度与相关类型

二、各种常用差分函数表达式

表1-1:

1949年1月---1960年12月数据

1949年

1950年

1951年

1952年

1953年

1954年

1955年

1956年

1957年

1958年

1959年

1960年

1

112

115

145

171

196

204

242

284

315

340

360

417

2

118

126

150

180

188

233

277

301

318

342

391

3

132

141

178

193

236

235

267

317

356

362

406

419

4

129

135

163

181

227

269

313

348

396

461

5

121

125

172

183

229

234

270

355

363

420

472

6

149

218

243

264

374

422

435

535

7

148

170

199

230

302

364

413

465

491

548

622

8

272

293

347

405

467

505

559

606

9

136

158

184

209

237

259

312

404

463

508

10

119

133

162

191

211

274

306

359

407

11

104

114

146

203

271

305

310

390

12

140

166

194

201

278

337

432

（一）利用D（x）命令系列对时间序列进行差分（x为表1-1中的数据）。

1、在命令窗口中键入：

genrdx=D（x）

则生成的新序列为序列x的一阶差分序列

2、在命令窗口中键入：

genrdxn=D（x,n）

则生成的新序列为序列x的n阶差分。

3、在命令窗口中键入：

genrdxs=D（x,0,s）

则生成的新序列为序列x的对周期长度为s一阶季节差分。

4、在命令窗口中键入：

genrdxsn=D（x,n,s）

则生成的新序列为对周期长度为s的时间序列x取一阶季节差分后的序列再取n阶差分。

5、在命令窗口中键入：

genrdlx=Dlog（x）

则生成的新序列为x取自然对数后，再取一阶差分。

6、在命令窗口中键入：

genrdlxsn=Dlog（x,n,s）

则生成的新序列为周期长度为s的时间序列x先取自然对数，再取一阶季节差分，然后再对序列取n阶差分。

在EVIEWS中操作的图形分别为：

（一）观察时间序列的自相关图。

命令方式：

（1）在命令行输入命令：

Identx（x为序列名称）；

（2）然后在出现的对话框中输入滞后时期数。

（可取默认数）

菜单方式：

（1）双击序列图标。

菜单操作方式：

View—>

Correlogram，

在出现的对话框中输入滞后数。

（二）练习：

观察一些文件中的序列自相关函数Autocorrelation，偏自相关函数Partialautocorrelation的特征

练习1：

操作文件：

Stpoor~1.wf1（美国S&

P500工业股票价格指数1980年1月~1996年2月）

步骤：

（1）打开该文件。

（2）观察序列stpoorr的趋势图，自相关图（自相关函数，偏自相关函数）的特征。

（3）对序列取一阶差分，生成新序列dsp：

genrdsp=d（stpoor），并观察其趋势图，自相关图（同上，下略）的特征。

（4）对该序列的自然对数取一阶差分，生成新的序列dlnsp：

genrdlnsp=dlog（stpoor），并观察其趋势图，自相关图。

练习2：

usagnp.wf1（美国1947年第一季度~1970年第四季度GNP数据）

（2）观察序列usagdp的趋势图的特征，自相关图的特征。

（3）对该序列取一阶差分，生新的序列dgdp：

Genrdgdp=d（usagdp）。

观察其趋势图，自相关图。

（4）对该序列的自然对数取一阶差分，生成新的序列dlngdp：

Genrdlngdp=dlog（gdp）。

（5）对序列一阶季节差分，生成新序列dsgdp=d（usagdp,0,4）观察其趋势图，自相关图的特征。

（6）对该序列的自然对数取一阶季节差分，生成新的序列：

dslngdp=dlog（usagdp,0,4），观察其趋势图、自相关图。

实验二确定性时间序列建模方法

【实验目的】熟悉确定性时间序列模型的建模原理；

掌握确定性时间序列建立模型的几种常用方法。

一、多项式模型和加权最小二乘法的建立；

二、单参数和双参数指数平滑法进行预测的操作练习；

三、二次曲线和对数曲线趋势模型建立及预测；

1、我国1974—1994年的发电量资料列于表中，已知2012年的发电量为47086亿千瓦小时，试以表1.1中的资料为样本：

（1）据拟合优度和外推检验的结果建立最合适的多项式模型。

（2）采用加权最小二乘法估计我国工业发电量的线性趋势，并与普通最小二乘法估计的线性模型进行比较，列出OLS方法预测值和W=0.6，W=0.7时1992到1995年预测值以及相对误差。

74-78

79-83

84-88

89-93

94-98

99-03

04-08

09-12

1668

2820

3770

5848

9281

12393

22033

37146

1958

3006

4107

6212

10077

13556

25002

42071

2031

3093

4495

6775

10813

14808

28657

44667

2234

3277

4973

7539

11355

16540

32815

47086

2566

3514

5452

8395

11670

19105

34668

操作过程：

建立WORKFILE:

CREATEA19742012

生成新序列Y：

datay

生成新的时间趋势序列t：

genrt=@trend（1973）

建立系列方程：

smpl19742011

lsyct

lsyctt^2

lsyctt^2t^3

通过拟合优度和外推检验的结果发现一元三次多项式模型效果最好。

首先生成权数序列：

genrm=sqr（0.6^（21-t））

加权最小二乘法的命令方式：

ls（w=m）yct

普通最小二乘法命令方式：

进行预测：

打开对应的方程窗口，点forecast按纽，将出现对话框，修改对话框samplerangeforforecast中的时间期限的截止日期为预测期.

相对误差的计算公式为：

（实际值-预测值）/实际值

二、单参数和双参数指数平滑法进行预测的操作练习

2、某地区1996~2003年的人口数据如表1.2，运用二次指数平滑法预测该镇2004年底的人口数（单位：

人）。

1996

1997

1998

1999

2000

2001

2002

2003

114333

115823

117171

118517

119850

121121

122389

123626

建立WORKFILE：

createU19962004

建立新序列Y和T：

datay然后输入数值。

genrt=@trend（1995）

打开y序列，点击exponentialsmoothing按纽，出现如图所示对话框按照图示选项点击确定即可。

3、某地区1996—2003年农村用电量数据见表1.3，试利用Holt双参数指数平滑法预测该地区2004年该地区农村用电量（单位：

千瓦时）。

844.5

963.2

1106.9

1244.8

1473.9

1655.7

1812.7

1980.1

建立WORKFILE：

datay然后输入数值。

4、我国民航客运量数据的季节调整。

有关数据如表1.4，对序列进行季节调整。

（1指1993年10月，54指1998年3月）并对调整后序列建立二次曲线和对数曲线趋势模型，得到两个方程的民航客运量趋势估计值，并进行季节调整，求出两个趋势方程建立的季节模型预测值。

（选做）

328

263

251

241

249

316

344

13

14

15

16

17

384

368

401

336

366

331

21

22

23

24

25

26

27

397.31

509

474

458.94

412

31

32

33

34

35

36

37

447

483

439

514

550

489

534

41

42

43

44

45

46

47

416

451

486.2

507

458.99

493

562

51

52

53

54

398

442

404.55

428

实验三时间序列随机性和平稳性检验

【实验目的】认识Eviews输出的时间序列自相关图的内容及含义：

自相关函数、偏自相关函数、95%置信限、Q-statistic。

学会通过自相关图的Q统计量判断序列是否为白噪声。

通过观察序列的趋势图及自相关图判断序列是否为平稳序列。

一、本次练习主要操作文件为ar1.wf1，ar2.wf1，ma1.wf1，ma2.wf1，arma11.wf1，arma21.wf1，各文件中包含的序列都是模拟生成的零均值平稳序列。

二、总结各种过程自相关函数，偏自相关函数的特征。

三、观察其他文件中的序列，看其是否平稳，若不平稳，试通过适当的差分变换、方差平稳化变换（取对数，平方根等）使其转化为平稳序列，然后观察序列的自相关函数，偏自相关函数的特征，并与自已总结的各种过程的特征对照。

练习1.操作文件：

ar1.wf1

说明：

该文件中含有三个序列：

at为模拟生成的正态白噪声序列；

x、y均是模拟生成的ar

（1）过程，其参数各不相同。

文件中有两个模型：

EQX、EQY分别是对x、y的估计结果。

操作内容：

（1）观察序列at的自相关图，看其是否为白噪声序列，为什么？

（2）观察序列x的自相关图：

样本自相关函数（SACF）呈指数衰减，样本偏自相关函数（SPACF）滞后一阶截尾。

（3）观察序列y的自相关图：

样本自相关函数呈正负交替的指数衰减，样本偏自相关函数滞后一阶截尾。

（4）分别打开EQX、EQY，试写出对x、y的估计结果。

ar2.wf1

该文件中含有四个序列：

at为模拟生成的白噪声序列；

x，y，z均为模拟生成的AR

（2）过程，且其参数各不相同。

文件中有三个模型：

分别是对x、y、z的估计结果。

（1）分别观察序列x，y，z的自相关图，看其样本自相关函数，样本偏自相关函数各有什么特征。

（提示：

其样本自相关函数分别呈混合指数衰减、正负交替的混合指数衰减、阻尼正弦波衰减；

样本偏自相关函数均滞后二阶截尾）。

（2）分别打开EQX、EQY、EQZ，写出对x、y、z的估计结果。

练习3：

操作方件：

ma1.wf1

文件中的序列x、y分别为模拟生成的ma

（1）过程，其参数各不相同。

文件中的模型EQX、EQY为对x、y的估计结果。

（1）分别观察序列x，y的自相关图，看其样本自相关图，偏自相关图各有什么特征。

其样本自相关函数均呈滞后一阶截尾，样本偏自相关函数分别呈指数衰减、正负交替的指数衰减）。

（2）分别打开EQX、EQY、写出对x、y的估计结果。

练习4：

ma2.wf2

文件中的序列分别为模拟生成的MA

（2）过程，其参数各不相同。

各序列的样本自相关函数均滞后二阶截尾，样本偏自相关函数分别呈混合指数衰减、正负交替的混合指数衰减，阻尼正弦波衰减）。

练习5：

ARMA11.wf1

文件中的序列x，y，z分别为模拟生成的不同参数的ARMA（1,1）过程，EQX、EQY、EQZ分别为对各序列估计的结果。

各序列的自相关函数，偏自相关函数都呈指数衰减）。

（2）写出各模型的估计结果。

练习6：

ARMA21.wf1

实验四时间序列季节性、可逆性检验

【实验目的】观察具有实际背景的经济数据，判断其是否平稳、是否含有季节性，均值是否为零。

能运用合适的方法如差分、季节差分、取对数、平方根等，使序列变为平稳序列；

平稳序列减去其均值，使其零均值化。

【实验内容】一、判断序列的平稳性和可逆性，给出相应判断依据，并写出模型形式。

二、找出自己感兴趣的数据，判断数据是否平稳，是否具有季节性，均值是否为零等。

练习一

ar1.wf1，ar2.wf1，ma1.wf1，ma2.wf1，arma11.wf1，arma21.wf1

一、

（1）打开文件ar1.wf1，

（2）依据EQX，写出关于序列x的模型形式：

Xt=0.68Xt-1+at（3）写出用B算子表示的模型形式：

（1－0.68B）Xt=at

（4）判断模型是否平稳？

说明原因。

（5）写出该模型的传递形式。

二、

（1）打开文件ar2.wf1

（2）依据EQX写出序列x的模型形式为：

Xt=0.49Xt-1+0.25Xt-2+at

（3）写出用B算子表示的形式：

（4）判断模型是否平稳?

（5）试推导模型的传递形式。

并写出其前5个格林函数。

三、

（1）打开文件ma1.wf1

（2）依据EQX写出序列X的模型形式：

Xt=at－0.82at-1

Xt=（1－0.82B）at

（4）判断模型是否可逆？

（5）写出该模型的逆转形式。

四、

（1）打开文件arma1.wf1

Xt=0.92Xt-1+at－0.57at-1

（1－0.92B）Xt=（1－0.57B）at

是否平稳？

（5）试推该模型的传递函数形式。

五、打开ma2.wf1，写出各序列模型形式及用B算子表示的形式，判断序列是否可逆，试推导其逆转形式。

打开ARMA21.wf1，写出各序列模型形式及用B算子表示的形式，判断序列是否平稳，是否可逆，试推导其传递函数形式，逆转形式。

练习二

zl1.wf1~zl20.wf1，gdp.wf1，gdpindex.wf1，stpoor.wf1，usagnp.wf1等。

文件说明：

（1）zl1wf1~zl20.wf1各文件是教材后附录III所列资料，各数据背景参见附录。

（2）gdp.wf1为我国1978~2001各年GDP数据。

Gdpindex.wf1为我国1953~2001各年GDP指数，即各年GDP发展速度数据。

（3）stpoor.wf1，usagnp.wf1文件说明见第一次上机实习内容说明。

判断是否平稳、是否具有季节性的方法：

（1）通过序列的趋势图粗略的判断。

（2）通过序列的自相关图判断。

若序列自相关函数衰减缓慢，滞后较长时期仍不为零，则可初步断定序列非平稳。

若序列的自相关函数周期性的显著不为零（如月度数据的滞后12期，24期，36期等自相关函数显著不为零；

季度数据的滞后4，8，12，16各期自相关函数显著不为零）则可判断序列含有季节性。

使序列平稳化的方法：

（1）若数据方差非平稳，应先通过对数变换、平方根变换等方法，使序列方差平稳。

（2）先通过差分消除序列的长期趋势（如果有的话）。

（3）再通过季节差分消除序列的季节性（如果有的话）。

差分函数的使用可见前两次上机实习内容。

使平稳序列零均值化的方法：

在Eviews中可通过函数@mean（）求序列的均值。

如要求平稳序列x的均值，并对序列x零均值化，则可用如下命令：

Scalarm=@mean（x）

Genry=x－m

其中：

Scalar命令在Eviews中表示生成标量数据（均值只是一个数，而不是序列）。

Y为对x零均值化后的序列。

当然，上述命令也可简化为：

Genry=x－@mean（x）

习题三：

用自相关分析图识别1990年1月至1997年12月我国工业总产值的月度时间序列及其自然对数的平稳性，并说明理由。

若不平稳试绘制自然对数序列