周期因素的测定 计量经济学 EVIEWS建模课件教程教案.pptxVIP

周期测定分析周期因素有长有短，但以周而复始的循环为主要特征，以模拟数据为例本节从如下见方面来测定：一、周期状态的判断二、周期比率的计算一、周期状态的判断㈠ 因素构成方式的初步判断可依图形初步判断如下三种具体类型：⒈有明显趋势时为加法构成或趋势加其他因素构成的模型；⒉看不出趋势或周期的数据为乘法方式或趋势被随机干扰较大的方式构成的模型；⒊当能看出趋势与周期并重的数据，则可能是趋势与某周期以加法形式存在，而与其他因素可能是乘法关系构成的模型。㈡对周期因素存在性的判断通过散点图可以直观判断是否存在趋势和各种周期。如果直觉周期长度为k，则可以分段列表借助方差分析进行判断，以确定周期是否明显存在。该检验方法的应用技术如下：⒈编制方差分析表按可能的周期长度k来分行，即每k个数据作为一行；然后编制一个实验性数据表如下页表所示：该表中的数据分为m行、k列，观察各行和各列的离差情况，进行方差分析如下：阶段B周期A1.2.…j…k.∑平均1.Y11Y12……Y1kY1.Y1u2Y21Y22Y2kY2.Y2u…i………Yij…………mYm1Ym2……YmkYm.Ymu∑Y.1Y.2……Y.k∑∑Yij平均Yu1Yu2……YukYu⒉ 各因素离差平方和的计算总离差平方和：TSS = ∑∑Y2ij - (∑∑Yij)2/mk 行离差平方和：ASS = ∑Y2i./k - (∑∑Yij)2/mk列离差平方和：BSS = ∑Y2.j/m - (∑∑Yij)2/mk残差平方和：RSS = TSS - ASS - BSS⒊判断原理说明⑴该表中的m行相当于m组，每行都为一组；如果各行的平均水平差距较大，则组间的差距解释总离差的程度就超过随机因素的解释程度，则说明该序列存在着趋势的因素，即周期组之间的差距显著。⑵从表的各列来看，每一列都视为一组，则全部数据分为k组，如果各列之间的平均水平差距较大，即k组之间的差距解释总离差的程度超过了随机因素的解释程度，则说明该序列存在周期的因素，即周期内各阶段的变化较随机因素明显。二、周期比率的计算㈠ 周期比率的直接计算⒈基本方法。如果一个时序存在明显的周期波动，而长期的趋势不明显时，可直接采用按周期平均法来测定周期比率。随周期不同可称之为年比率、季节比率、月比率、周比率等。其计算步骤如下：⑴计算各周期(如年)同阶段(如季)的平均数。该平均可消除偶然的因素影响，只反映周期各阶段的水平。⑵计算各周期所有各阶段的总平均数。它是消除了偶然因素和季节因素影响的一般水平。⑶计算周期比率。它是各周期的同阶段的平均数与总平均数之比，反映周期各阶段对现象发展的影响程度和影响方向。周期比率越大于1，则说明现象在周期内的该阶段处于高峰期，越小于1就越说明现象处于低谷期，等于1则说明与总平均水平一致。⑷调整计算结果。周期内各阶段的周期比率之和应等于周期长度，如年周期分为12个阶段月，则月比率之和为12；若分为4个阶段季，则季节比率之和应等于4。如果周期比率之和不等于周期长度，则应计算周期比率调整系数：调整后的周期比率=原周期比率×调整系数⒉一般在乘法模型中使用这种方法由于乘法模型不存在明显的趋势，且周期较为明显，所以人们常对其直接进行季节比率的计算。如图所示：㈡趋势剔除后的周期比率计算 如果所掌握的时序资料，不仅各周期数据有明显的趋势变化，而且周期内各阶段也有有规则性地按阶段循环波动，则为了准确的测定现象的周期变化，就须采用移动平均等方法来修匀时序，并在原始数据中剔除该修匀值之后，再来计算无趋势影响的周期比率。一般步骤为：第一步，对各期资料做周期长度的移动平均，可以去除周期因素和不规则的随机因素的影响，即得到一个主要含有TC的移动平均序列。第二步，在原时序Y中剔除移动平均序列YTC，所得到的新时序就是只含有周期因素变动影响的数列YSI了。对于乘法模型有：YSI = Y/YTC ；而对于加法模型则有：YSI = Y-YTC 。第三步，利用前述的周期比率计算方法，对新数列YSI进行周期比率的计算。你会发现乘法模型的各阶段简单算术平均的结果，往往就是周期比率；而加法模型需要利用调整系数进行调整。现分别以加法模型数据实证如下：由于模拟数据的加法模型存在明显的趋势，所以周期测定时，以移动平均来剔除，观察其基本周期为7，则7项移动平均值YJM7如下图所示：从图中可以看出其中还可能存在着较长的周期，查数据可知周期为32期。利用该数据扣除线性趋势预测值Y4JF则：YJM7-Y4JF=YJC，即长周期的图形如下：用YJC计算长周期指数，见程序YJC.EXCEL图形如下：而短周期可以使用Y4J-YJM7=YJSI，则有：利用YJSI的数据，可以同期平均计算短周期的周期指数，将其归一化处理后与原始数据对比如下：从两列数据的对比上可以看出各行的数据几乎是非常接近的。该结