eviews教程第15章时间序列回归.docVIP

二、在EViews中估计单整模型 可以直接在估计定义式中包含差分算子D。例如：GDP～I(1)，即GDP是一阶单整序列。对GDP估计ARIMA(1,1,1)模型，可以输入列表(15_1\EQ_DY)： D(GDP) c ar(1) ma(1) 使用因变量差分因子D(GDP)定义模型， EViews将提供水平变量GDP的预测值。 § 确定ARMA形式 一、ARMA项 模型中AR和MA部分应使用关键词ar和ma定义。在上面AR定义中，我们已见过这种方法的例子。这对MA也同样适用。 例如，估计一个2阶自回归和1阶动平均过程ARMA(2,1)，应将AR(1), MA(1), AR(2)和其它解释变量一起包含在回归因子列表中： y c gov ar(1) ar(2) ma(1) 不必连续使用AR和MA项。例如想用4阶a name=baidusnap0/a季节/B自回归模型来拟合季节/B变化，可以仅使用AR(4)： y c gov ar(4 ) 也可仅用MA项来定义纯动平均模型。如可以表示出残差的MA(2)模型。 y c gov ma(1) ma(2) 传统的Box-Jenkins模型或ARIMA模型除了常数外不具有任何解释变量。在这种情况下，解释变量将仅包含一个c加上AR，MA项，例如： y c ar(1) ar(2) ma(1) ma(2) 这是标准的Box-Jenkins ARMA(2, 2)模型。 二、季节/BARMA项 对于带有季节/B因素的季度数据，Box and Jenkins(1976) 建议使用季节/B自回归SAR和季节/B动平均SMA。SAR(p)定义为带有p阶滞后的季节/B自回归项。估计中使用的滞后多项式是AR项和SAR项定义的结合。 与此类似，SMA(q)定义为带有q阶滞后的季节/B动平均。估计中使用的滞后多项式是MA项和SMA项定义的结合。存在SAR项则允许建立一个滞后多项式。 例如：没有季节/B项的2阶AR过程 用滞后算子 ，则上式可表示为： 可以通过回归自变量的ar(1)，ar(2)项来估计这个过程。 对于季度数据，可以加入sar(4)来表示季节/B因素，定义方程： y c x ar(1) ar(2) sar(4) 估计误差结构为： 等价于 参数 和季节/B因素相联系。注意：这是对系数有非线性约束的AR(6)模型。 在另一个例子中，无季节/B性的二阶MA过程如下 可以通过包含ma(1)和ma(2)来估计二阶MA过程。 对季度数据，可以添加sma(4)考虑季节/B性。例如定义方程： y c x ma(1 ) ma(2) sma(4) 估计模型为： 等价于： 参数 和季节/B因素相联系。这是对系数有非线性约束的MA(6)模型。还可以在方程说明中同时包括SAR，SMA项。 § ARIMA估计的输出 含有AR或MA项的模型的估计输出和OLS模型一样，只是在底部增加了一个AR，MA多项式的根的倒数。如果我们利用滞后多项式 和 写一般的ARMA模型： 输出表中报告的结果相当于下列多项式 和 如果 有绝对值大于1的实根或一对复根的逆在单位圆外（即模大于1），这意味着自回归过程是发散的。如果 的根的倒数在单位圆外，说明MA过程是不可逆的，应使用不同的初值重新估计模型，直到得到满足可逆性的动平均。如果估计的MA模型的根的模接近于1，有可能是对数据差分过多，这就很难估计和预测 。如果可能的话，应减少差分阶数重新估计。 的根。这些根（可能是虚根）的模应小于1，如果不满足这个条件，输出表中将显示警告信息。 这个ARMA估计输出例子的结果对应于如下定义： 或等同于： 注意：MA项的符号和教科书中的符号可能相反。倒根的模接近于1，这对于许多宏观经济序列是很典型的。 § ARMA估计选择 如前所述，带有AR或MA的模型用非线性最小二乘法估计。非线性估计方法对所有系数估计都要求初值。EViews自行确定初值。 有时当迭代最大值达到时，方程终止迭代，尽管还未达到收敛。从前一步初值重新开始方程，使方程从中止处开始而不是从开始处开始。也可以试试不同的初值