第二部分 时间序列分析课件.pptVIP

2. Census X12方法 EViews是将美国国势调查局的X12季节调整程序直接安装到EViews子目录中，建立了一个接口程序。 EViews进行季节调整时将执行以下步骤： 1．给出一个被调整序列的说明文件和数据文件； 2．利用给定的信息执行X12程序； 3．返回一个输出文件，将调整后的结果存在EViews工作文件中。 X12的EViews接口菜单只是一个简短的描述，EViews还提供了一些菜单不能实现的接口功能，更一般的命令接口程序。 精品 调用X12季节调整过程，在序列窗口选择Procs/Seasonal Adjustment / Census X12，打开一个对话框： 精品 Tramo(Time Series Regression with ARIMA Noise, Missing Observation, and Outliers)是对具有缺失观测值，ARIMA误差、几种外部影响的回归模型完成估计、预测和插值的程序。 Seats(Signal Extraction in ARIMA Time Series)是基于ARIMA模型的将可观测时间序列分解为不可观测分量的程序。这两个程序是有Victor Gomez 和Agustin Maravall 开发的。 当选择了Pross/Seasonal Adjustment/Tramo Seats 时，EViews执行外部程序，将数据输给外部程序，然后将结果返回EViews。 4. tramo/Seats方法 精品 第二节 趋势分解 季节调整方法可以对经济时间序列进行分解，但趋势和循环要素视为一体不能分开。本节专门讨论如何将趋势和循环要素进行分解的方法。测定长期趋势有多种方法，比较常用的方法有回归分析方法、移动平均法、阶段平均法(phase average，PA方法)、HP滤波方法和频谱滤波方法（frequency (band-pass) filer， BP滤波）。本节主要介绍HP滤波方法和BP滤波方法。 精品 一、 Hodrick-Prescott（HP）滤波 在宏观经济学中，人们非常关心序列组成成分中的长期趋势，Hodrick-Prescott滤波是被广泛使用的一种方法。该方法在Hodrick and Prescott(1980) 分析战后美国经济周期的论文中首次使用。我们简要介绍这种方法的原理。 设{Yt}是包含趋势成分和波动成分的经济时间序列，{YtT}是其中含有的趋势成分， {YtC}是其中含有的波动成分。则 (2.2.1) 计算HP滤波就是从{Yt}中将{YtT} 分离出来 。 精品 一般地，时间序列{Yt}中的不可观测部分趋势{YtT}常被定义为下面最小化问题的解： (2.2.2) 其中：c(L)是延迟算子多项式 (2.2.3) 将式(2.2.3)代入式(2.2.2)，则HP滤波的问题就是使下面损失函数最小，即 (2.2.4) 精品 最小化问题用[c(L)YtT]2 来调整趋势的变化，并随着? 的增大而增大。这里存在一个权衡问题，要在趋势要素对实际序列的跟踪程度和趋势光滑度之间作一个选择。? = 0 时，满足最小化问题的趋势等于序列{Yt}；? 增加时，估计趋势中的变化总数相对于序列中的变化减少，即 ? 越大，估计趋势越光滑；? 趋于无穷大时，估计趋势将接近线性函数。一般经验地， ? 的取值如下： 精品 使用Hodrick-Prescott滤波来平滑序列，选择Procs/ Hodrick Prescott Filter出现下面的HP滤波对话框： 首先对平滑后的序列给一个名字，EViews将默认一个名字，也可填入一个新的名字。然后给定平滑参数的值，年度数据取100，季度和月度数据分别取1600和14400。不允许填入非整数的数据。点击OK后，EViews与原序列一起显示处理后的序列。注意只有包括在当前