实验十时间序列模型.docVIP

实验十 时间序列模型 10.1 实验目的 掌握时间序列的基本理论，时间序列模型种类的识别、估计、诊断和预测方法，以及相应的EViews软件操作方法。 10.2 实验原理 时间序列分析方法由Box-Jenkins (1976) 年提出。它适用于各种领域的时间序列分析。 时间序列模型不同于经济计量模型的两个特点是： （1）这种建模方法不以经济理论为依据，而是依据变量自身的变化规律，利用外推机制描述时间序列的变化。 （2）明确考虑时间序列的非平稳性。如果时间序列非平稳，建立模型之前应先通过差分把它变换成平稳的时间序列，再考虑建模问题。 时间序列模型的应用： （1）研究时间序列本身的变化规律（建立何种结构模型，有无确定性趋势，有无单位根，有无季节性成分，估计参数）。 （2）在回归模型中的应用（预测回归模型中解释变量的值）。 （3）时间序列模型是非经典计量经济学的基础之一（不懂时间序列模型学不好非经典计量经济学）。 10.3 实验内容 建立中国人口时间序列模型。 表10.1给出了中国人口数据yt（1952-2004，单位万人），试建立yt的时间序列模型，并预测2005年中国人口总数。 表10.2 年份 yt 年份 yt 年份 yt 1952 57482 1970 82992 1988 111026 1953 58796 1971 85229 1989 112704 1954 60266 1972 87177 1990 114333 1955 61465 1973 89211 1991 115823 1956 62828 1974 90859 1992 117171 1957 64653 1975 92420 1993 118517 1958 65994 1976 93717 1994 119850 1959 67207 1977 94974 1995 121121 1960 66207 1978 96259 1996 122389 1961 65859 1979 97542 1997 123626 1962 67295 1980 98705 1998 124761 1963 69172 1981 100072 1999 125786 1964 70499 1982 101654 2000 126743 1965 72538 1983 103008 2001 127627 1966 74542 1984 104357 2002 128453 1967 76368 1985 105851 2003 129227 1968 78534 1986 107507 2004 129988 1969 80671 1987 109300 　 　 10.4 建模步骤 10.4.1 识别模型 利用表10.2数据建立yt序列图，如图10.20。 图10.20 中国人口序列（1952-2004） 从人口序列图可以看出我国人口总水平除在1960和1961两年出现回落外，其余年份基本上保持线性增长趋势。 察看序列的相关图，在序列窗口选择View/Correlogram,便会弹出如下窗口，见图10.21，选择滞后阶数（本例输入滞后期10），点击ok，得到如图10.22所示的序列yt的相关图和偏相关图。 图10.21 图10.22 yt的相关图，偏相关图 由yt的相关图，偏相关图判断yt为非平稳性序列。进一步考察其差分序列Dyt，序列图见图10.23，其相关图，偏相关图见图10.24。 图10.23 图10.24 Dyt的相关图，偏相关图 人口差分序列Dyt是平稳序列。应该用Dyt建立模型。因为Dyt均值非零，结合图2.14拟建立带有漂移项的AR(1)模型。 10.4.2 估计模型 采用AR（1）模型对Dyt进行估计，从EViews主菜单中点击Quick键，选择Estimate Equation功能。随即会弹出Equation specification对话框。输入漂移项非零的AR(1)模型估计命令（C表示漂移项）如下： D(Y) C AR(1) 结果如图10.25所示，整理如下： Dyt = 1374.097 + 0.6681 (Dyt-1 – 1374.097) + vt (7.5) (6.1) R2 = 0.44, Q(10) = 5.2, Qa (k-p-q) = Q0.05 (10-1-0-1) = 15.5 图10.25 10.4.3 对模型的检验 图10.26 由估计结果，可以看到模型参数都通过了显著性t检验。模型残差的相关图和偏相关图如图10.26。Q(10) = 5.2 c20.05( 10-1-0) = 16.9，可