E-view时间序列解释.doc

用Eviews进行时间序列分析 工作文件的创建 1 菜单方式 File/new/workfile/在出现的对话框中对workfile structure type进行选择/Dated-regular frequency/OK 2 命令方式 Create 时间频率类型 起始期 终止期 例如创建一个1990年到2004年的时间数据工作文件，则需键入命令： CREATE A 1990 2004 工作文件一开始其中就包含了两个对象(Object）,分别为C（系数向量）和resid（残差）。它们当前的取值分别是0 和NA（空值）。 序列的建立及使用 在主窗口或工作文件窗口的菜单中，进行如下操作： Object/New object/Series/输入序列名称/OK 或者：Series 序列名1 序列名2 序列名3 或者：genr 序列名=表达式（genr t=@trend+1） 然后录入数据： 双击序列x点击Edit+/-，将数据复制到序列中 画时序图 打开序列窗口，在该窗口中做如下操作： View/Graph 相关性检查 打开序列窗口，在该窗口中做如下操作： View/Correlogram level表示对原序列的自相关性计算，1st difference和2st difference分别表示1阶以及2阶差分的自相关性的计算。一般默认项为level。 当样本量n较大时，k=[n/10]，较小时取k=[n/4]。而当数据为周期数据时，k取周期长度的整数倍，如季度数据，k可以取4，8，12等。 Ok 得到图形 图包括两部分，左半部分是序列的自相关和偏自相关图，右半部分包括5列数据，第一列的自然数表示延迟阶数k，AC是自相关系数，PAC为偏自相关系数，Q-Stat表示对序列进行相关性检验的Q统计量值，Prob表示其P值，即相伴概率。当P＜0.05时，表示拒绝原假设，即序列相关，否则，当P＞0.05时，序列不相关。 （三）平稳性 方法1通过序列的时序图判断 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征。 由序列的时序图可见序列没有明显的趋势和周期变化，初步判定序列平稳。 方法2通过自相关图判断 如果序列的自相关系数很快地（滞后或延迟阶数k大于2或3时）趋于0，即落入随机区间，则序列平稳，反之非平稳。 由自相关图可见序列平稳。 方法3单位根检验（单侧检验） 在序列对象窗口进行如下操作： View/Unit Root Test 窗口有几个需要进行选择的部分，第一个是Test type，共有6种单位根检验凡是可供选择，选择Augmented Dickey-Fuller； Include in test equation中也有三个选项，表示可用于的三种序列的单位根检验：Intercept表示有常数均值，无趋势的p阶自回归过程，Trend and intercept表示有常数均值，有趋势的p阶自回归过程，None表示无常数均值，无趋势的p阶自回归过程 Ok 后得到结果： 由图可见，检验t统计量的值为-3.000420，显著性水平1%、5%、10%的临界值分别为-2.615093、-1.9947975、-1.612408，可见t统计量的值小于各显著性水平的临界值，故拒绝原假设，认为序列平稳。 接下来通过两个具体的例子进行介绍 一、 录入数据得到的时间序列图为上图，直观显示此图为一个非平稳的时间序列图 除了直观判断我们也可以进行相关分析和单位根检验定量的判断该序列是否平稳 接下来我们分两种方式对该序列进行模拟①趋势模型（因为该时序图看上去类似一个二次曲线）②对数差分化为平稳模型 ①：数据近似一条光滑的上升曲线，可以选择指数曲线描述该序列。或者用二次曲线 模型参数估计并建模：创建自变量序列t： 在工作文件窗口输入如下命令 genr t=@trend 系统自动为变量t赋值0，1，2，…，55。 指数曲线： 在命令输入窗口输入：ls log(x) c t （指数曲线模型，取对数得） 以上结果显示模型拟合的很好 模型拟合效果图： 单击Equation 窗口中的Resid按钮，将显示模型的拟合图和残差图 以上结果显示模型拟合的很好 模型拟合效果图： 单击Equation 窗口中的Resid按钮，将显示模型的拟合图和残差图 预测： ③ 扩大样本范围 在工作文件窗口输入如下命令： expand或者 range 或者在工作文件窗口进行如下操作， Proc/Structure/Resize current page… ④预测 在模型窗口点击FORECAST按钮，按OK 将原序列与预测序列进行图形比较