实验一eviews时间序列 相关函数操作.ppt

《时间序列分析》 实验一 ： Eviews时间序列　　　　　相关函数操作 1.目的要求：熟悉Eviews的操作：菜单方式， 　　　　　　命令方式；练习并掌握与时间 　　　　　　序列分析相关的函数操作 2.实验内容： （1）EViews软件的常用菜单方式和命令方式 （2）时间序列的自相关和偏自相关函数与图示。 内容一：EViews的常用菜单 方式和命令方式 二、创建工作文件 三、命令方式 四、输入数据 五、图形分析与描述统计分析 六、保存并调用工作文件 内容二：自相关和偏自相关 函数与图示 一、观察时间序列的自相关图 1.菜单方式：双击序列图标，菜单： View—Correlogram，在对话框中 输入滞后数，可取默认数 2.命令方式： （1）在命令行输入命令：Ident x （x为序列名称） （2）然后在出现的对话框中输入滞后时期数， 可取默认数 实验一结束 实验二 ： 时间序列数据预处理 1.目的要求：绘制时间序列图，观察序列平稳与否； 观察自相关函数、偏自相关函数，根据 自相关图的Q统计量判断序列是否为 白噪声序列 2.实验内容： （1）平稳序列的图检验 （2）总结各种自相关函数，偏自相关函数特征 （3）根据自相关图的Q统计量判断序列是否为 白噪声序列 内容一：平稳序列的图检验 一、绘制时间序列图，观察序列平稳与否； 二、观察自相关函数、偏自相关函数： 菜单方式：双击序列图标，菜单： View—Correlogram，在对话框中输入滞后数， 可取默认数； 内容二：总结各种自相关函数、偏自相关函数特征 一、调用课本案例数据，观察时序图 在EViews主窗口的工具栏上选择File－Open－ Foreign Data as Workfile 二、观察各类自相关函数、偏自相关 函数图示特点。 内容三：根据Q统计量、Ｐ值判断序列纯随机性 一、观察各类自相关函数、偏自相关函数的 　　 Q统计量的值、概率Ｐ值 二、判断序列随机性 实验二结束 实验三 ： ARMA模型的建模与预测 1.目的要求：熟悉平稳序列建立ARMA模型的 过程：模型识别、模型参数估计、 诊断检验与预测 2.实验内容： （1）根据时间序列自相关图对零均值 平稳序列进行初步的模型识别 （2）运用EViews软件估计ARMA模型参数 （3）对所建立的模型是否为适应性模型 进行诊断检验 （4）利用ARMA模型进行预测 内容一：平稳序列的模型识别 一、绘制时间序列图，观察序列平稳与否 二、观察自相关函数、偏自相关函数的拖尾、 截尾特征判断AR、MA和ARMA模型 三、实例分析：附录1.15 1. PACF一阶截尾 ACF拖尾 2.（1-0.0568）Pr平稳 内容二：估计ARMA模型参数 一、参数变量名称： Eviews建立ARMA模型的命令用到AR、MA、SAR， SMA等参数项。其中SAR、SMA两参数在建立季节性 时间序列模型时要用到 二、参数估计 1.菜单操作方式：Quick---?Estimate equation， 输入：x ar(1) ar(2) ma(1)，回车 2.命令操作方式为：ls x ar(1) ar(2) ma(1) 以上述操作方式建模时，Eviews自动采用非线性最 小二乘法估计模型参数，建立ARMA（2，1）模型 练习 三、实例分析：附录1.15 1.估计AR（1）模型： Quick Estimation：Specifications： heizi ar（1） 2. 一次项系数0.9977 内容三：有效性检验与模型优化 一、有效性检验： 分为参数显著性检验和模型有效性检验 1. 参数显著性检验：输出结果中各系数对 　　　应的t 值和Ｐ值为判别依据； 　 2. 模型有效性检验 ：残差序列白噪声检验的 　　　依据是AC