第21跟22经济时间序列季节调整资料.ppt

计量经济学 王林辉 教授 博士生导师 联系电话 Email:linhuiwang73@ 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)。 长期趋势要素 T ：代表经济时间序列长期的趋势特性。 循环要素 C ：以数年为周期的一种周期性变动，它可能是一种景气变动，经济变动或其他周期变动，它可以代表经济或某个特定行业的波动。 季节变动要素 S ：每年重复出现的循环变动，以12个月或四个季度为周期的周期性影响，是由温度、降雨、年中的月份，假期和政策等引起的。 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。 * * 第二章 经济时间序列的季节 调整、分解与平滑 季节性变动的发生，不仅是由于气候的直接影响，而且社会制度及风俗习惯也会引起季节变动。经济统计中的月度和季度数据或大或小都含有季节变动因素，以月份或季度作为时间观测单位的经济时间序列，通常出现以12个月或4个季度为周期的周期性变化，这种周期变化是由于季节因素的影响造成的，在经济分析中称为季节性波动。 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 当使用含有季节因素的经济数据进行回归分析时，为了消除原数据带有的季节性影响，常常使用虚拟变量(Dummy变量)方法。 下面我们利用季度数据作我国的工业总产值和社会消费品零售额的回归分析。 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 2.1.1 工业总产值 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。 表 2.1.1 虚 拟 变 量 0 0 0 第 4 季度 1 0 0 第 3 季度 0 1 0 第 2 季度 0 0 1 第 1 季度 Q3 Q2 Q1