三的案例时间序列模型估计.pptVIP

* * Eviews 简单应用与操作 案例：时间序列模型估计 下面以1949~2001年中国人口时间序列数据（见表16-10）为例介绍：（1）画时间序列图 （2）求中国人口序列的相关图和偏相关图，识别模型形式 （3）估计时间序列模型 （4）样本外预测 1、画时间序列图 打开工作文件窗口，双击所要选择的中国人口变量y，从而打开y的数据窗口。点击view键，选择功能graph\line如图1，就可以得到中国人口序列图： 图1 从Eviews主菜单中选择Quick键，选择Grapf\line grapf功能。在随后弹出的对话框中填入d（y），点击OK就可得到人口序列分布图： 图2 2、求中国人口序列的相关图和偏相关图，识别模型 形式 在中国人口y序列数据窗口中点击view键、选择corrologram功能，可以得到对话框，（如图3所示）（1）这里是对原变量（level）求相关图，即选择对y画相关图、偏相关图（2）确定相关图的滞后期（lags to include） 图3 图4 类似可得dy的相关图、偏相关图，（见图5） 图5 结论：由于图4中的相关图衰减得很慢，知中国人口序列是非平稳序列，而dy是平稳序列（图5中的相关图呈指数衰减特征），通过初步分析，认定dy是一个1阶或2阶自回归过程。假定先估计AR（2）模型 3、时间序列模型估计 从Eviews主菜单中选择Quick键，选择estimate equation功能。在随即弹出的equatian specificatian对话框中输入AR（2）模型估计命令如下： DY c AR（1） AR（2） （C表示漂移项）。将样本范围改为1949~2000年，余下的2001年的值用于计算预测精度。点击OK，可得估计结果如图7 图6 图7 由于AR（2）项，即Dy 的系数没有显著性，因此点击Estimate键，从估计命令中剔除AR（2）项的（Dy t-2）继续估计，得估计结果如图9： t-2 图8 图9 对应的模型表达式是 从图9输出结果的最后一行知，特征根是1\0.49=2.04,满足平稳性要求。点击View选择residuals test\Correlogram-Q-stastistics功能，可以得到如图11对话框 图10 图11