基于Eviews計量经济学软件X11方法的季度GDP预测.docVIP

PAGE PAGE 2 基于Eviews软件X11方法的季度GDP预测????1.数据导入及时间序列分解 将1992年第1季度至2013年第1季度的季度GDP时间序列录入或者导入到Eviews软件，命名为Y序列。双击打开序列Y，点击菜单栏中的PROC，在下拉菜单选择Seasonal? Adjustment，在弹出的菜单中选择 X11方法。 这时会弹出的X11季节调整对话框， 在 Adjustment Method 下，选择乘法模型（multiplicative），系统默认季节调整后的序列名为YSA，我们定义季节因子序列为YYZ，忽略贸易日和节假日因素。然后选择确定，这时，工作文件中多了两个序列：YSA，YYZ。我们建立包含序列Y和这两个序列的组，命名为g1，在其窗口栏单击View| Graphs Options选项，在Multiple中选择Multiple Graphs将得到单独显示着3个序列的线性图。 从图中我们可以看出，原始的时间序列Y在图的最上方，数据有向上增加的趋势，序列呈现锯齿状的波动。 根据原始序列分解出的1-4季度的季节因子分别为0.8765、0.9403、0.9589和1.2239。???????? ?????????????? 2.基于时间序列分解方法的季度GDP预测 用季节调整后的序列进行预测。根据最小二乘法，采用1992年第1季度至2013年第1季度数据建立对数回归方程，在Eviews软件中建立一个取值从1至85序列t，然后在软件的命令行键入：?????? LS LOG(YSA) C T 然后按Enter键，得到如下结果?????? LOG(YSA) = 8.9655 + 0.03382*T，其中，t取值为1、2、3、… 该方程的拟合优度R2=0.98，拟合效果非常好，常数项和自变量参数的t统计量分别为389.87，72.81，检验的P值均近似为零，故认为这两个参数的估计都是显著的；模型的F值为5301.81，检验的P值近似为零，故认为该模型是显著的。 预测2013年第2季度经季节调整的GDP值，此时t=86：????????LOG(YSA) = 8.9655 + 0.03382*86 YSA=143489.91 假定没有特殊情况发生，不规则因素I=1，2季度季节因子YYZ=0.9403，预测2013年第2季度的GDP为：??????? Y=YSA×YYZ=143489.91×0.9403=134922.70 同样方法可以得出2013年第3季度的经季节调整的GDP值，此时t=87： YSA=148425.73 Y=142325.43