EViews数据统计与分析教程 978-7-302-22529-4 8章新.pptVIP

* EViews统计分析基础教程 第8章 时间序列模型 重点内容： 时间序列的分解方法 随机过程的定义 AR、MA、ARMA模型的建立方法 协整理论 误差修正（ECM）模型的建立 一、时间序列的趋势分解 时间序列的分解方法包括两种： 季节调整（适用于趋势要素与循环要素不可分时） 趋势分解（适用于趋势要素和循环要素可分解时 ） 一、时间序列的趋势分解 趋势分解——HP（Hodrick – Prescott）滤波法 设时间变量Yt含有趋势因素和波动因素，令 Yt = YtT+ YtC （t=1，2，T） 其中， YtT表示含有趋势因素的时间序列， YtC表示含有波动因素的时间序列。HP滤波法就是将时间序列Yt中YtT的分离出来。 设 min HP滤波就是求该式的最小值。 HP滤波取决于参数λ，当λ=0时，符合最小化的趋势序列为Yt序列；当λ逐渐变大时，估计的趋势变得越来越光滑；当λ接近于∞时，估计的趋势接近于线性函数。 一、时间序列的趋势分解 趋势分解——HP（Hodrick – Prescott）滤波法 EViews操作方法： 选择序列对象工具栏中的“Proc”|“Hodrick – Prescott Filter…”选项，将弹出右图所示的对话框。 在“Smoothed”的编辑栏中输入趋势序列名