第2.1与2.2经济时间序列季节调整.pptVIP

计量经济学 王林辉 教授 博士生导师 ;;第二章 经济时间序列的季节 调整、分解与平滑 ;经济时间序列的季节性波动是非常显著的，它往往遮盖或混淆经济发展中其他客观变化规律，以致给经济增长速度和宏观经济形势的分析造成困难和麻烦。因此，在进行经济分析时，必须去掉季节波动的影响，将季节要素从原序列中剔除，这就是所谓的“季节调整” (Seasonal Adjustment)。 经济指标的月度或季度时间序列来说，都包含着四种变动要素：长期趋势要素T (Trend)、循环要素C (Cycle)、季节变动要素S (Seasonal)和不规则要素 I (Irregular)。;; 不规则要素 I ： 又称随机因子、残余变动或噪声，其变动无规则可循，这类因素是由偶然发生的事故引起的，如：故障、罢工、意外事故、地震、水灾、恶劣气候、战争、法令更改、测定误差等。 在经济分析中，季节变动要素和不规则要素往往遮盖或混淆了经济发展中的客观变化，给研究和分析经济发展趋势和判断目前经济处于什么状态带来困难，因此需要在经济分析之前，将经济时间序列进行分解，剔除其中的季节变动要素和不规则要素。再利用趋势分解方法可以把趋势和循环要素分离开来，从而研究经济的长期趋势变动和景气循环波动。; 经济时间序列分解模型，依据时间序列的四个构成要素在模型中的相互关系，可以表现为多种不同的形式，但就一般而言，基本的分解模型只有两类：即加法模型和乘法模型。 一、加法模型 加法模型的一般形式为 Y=T+C+S+I (2.3.1) 式中T、C、S 和 I 均表现为绝对量。 这一模型的优点是直观性好。因为在此模型中，季节变动要素和循环要素的影响都是用绝对量来表示的，与所要分析的现象的计量单位相同，分析起来比较直观。它的局限性是各经济变量之间缺乏可比性。 ;二、乘法模型 乘法模型的一般形式为 Y=T·C·S·I (2.3.2) 式中 T 为绝对量；C、S 和 I 均为相对量。 与加法模型相比，这一模型的主要特点在于以相对数表现季节变动要素和循环要素。因而可以避免计量单位的影响，增强了不同经济变量间的可比性。但也带来了直观性差的问题。 ;图1 我国工业总产值的时间序列图形; 图2 社会消费品零售总额序列;用虚拟变量的季节调整法 ; 首先，从图2.1.1的工业总产值来看，第二季度由于节假日少，工作天数多，再加上气候正常，所以产值最高；第三季度由于处在炎热的夏天，所以产值骤减；第四季度略有回升；第一季度由于新年和春节两个节日的影响，产值又下降一些。 ;图 3.1.2 社会消费品零售总额 ; 用社会消费品零售总额回归工业总产值时，如果加入解释变量(虚拟变量) Q1，Q2，Q3，因变量的季节性就被解释变量和虚拟变量所反应，从而可以正确分析两个变量之间的对应关系。由于 Q1 + Q2 + Q3 + Q4= 1，故 Q4可以由 Q1，Q2，Q3 来表示，所以用季度数据做回归时，季节调整用的虚拟变量只用3个。 否则会由于解释变量的完全线性相关而无法估计，导致虚拟变量陷阱问题。; 设工业总产值为y，社会消费品零售总额为c，则不用虚拟变量的回归方程： (2.1.1) (5.3) (11.15) ;图 2.1.3 未使用虚拟变量时, Y 的 实际曲线(红)和 拟合曲线(蓝) ; 这种季节调整方法是以季节变动要素不变，以及服从于加法模型为前提，使用简单，效果较好。当使用月度数据时，方法与上述类似，但需要有11个虚拟变量。 如果在回归时，不包含常数项，则季节要素可使用Q1, Q2, Q3, Q4 ， 4个虚拟变量，月度数据可使用 Q1, Q2 , … , Q12，12个虚拟变量。 ;§2.1 移动平均方法 ;1. 简单的移动平均公式 ; 例如，常用的三项移动平均