经济时间序列的季节调整分解和平滑方法eviews应用.pptxVIP

一、经济时间序列的分解 经济指标的月度或季度时间序列包含4种变动要素：长期趋势要素T、循环要素C、季节变动要素S 和不规则要素I。　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 ): 是以数年为周期的一种周期性变动。　季节要素 (S ): 是每年重复出现的循环变动，以12个月或4个季度为周期的周期性影响，由温度、降雨、每年中的假期和政策等因素引起。季节要素和循环要素的区别在于季节变动是固定间距（如季或月）中的自我循环，而循环要素是从一个周期变动到另一个周期，间距比较长且不固定的一种周期性波动。　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件引起的，如罢工、意外事故、地震、水灾、恶劣气候、战争、法令更改和预测误差等。 图1 我国工业总产值的时间序列 Y 图形 图2 工业总产值的趋势·循环要素 TC 图形 图3 工业总产值的季节变动要素 S 图形 图4 工业总产值的不规则要素 I 图形 二、季节调整的概念 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具有一年一度的周期性变化，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。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，在进行经济增长分析时，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)。 §2.1 移动平均方法 移动平均法(Moving Averages)的基本思路是很简单的，是算术平均的一种。它具有如下特性： 1. 周期（及其整数倍）与移动平均项数相等的周期性变动基本得到消除; 2. 互相独立的不规则变动得到平滑。 这两条特性可以证明。 2.1.1 简单的移动平均公式 时间序列数据 y = {y1, y2, … , yT} ，T 为样本长度，在时点 t 上的2k+1项移动平均值 MAt 的一般表示为(2.1.1)式中的k为正整数，此时移动平均后的序列{MA}的始端和末端各欠缺k项值，需要用插值或其它方法补齐。 例如，常用的三项移动平均 (2.1.2) 两端补欠项：(2.1.3) (2.1.4) 1.1.2 中心化移动平均 考虑消除季节变动时，最简单的方法是对月度数据进行12个月移动平均。此时，由于项数是偶数，故常常进行所谓“移动平均的中心化”，即取连续的两个移动平均值的平均值作为该月的值。 (2.1.5) 因为12是偶数，通过求平均值可以达到中心化，即中心化移动平均值为 (2.1.6) 中心化移动平均的一般公式为 (2.1.7) 需要指出的是由于采用12个月中心化移动平均后，序列的两端各有6个欠项值，需要用插值或其它数值计算方法将其补齐。 2.1.3　加权移动平均 上面介绍的12个月中心化移动平均是二次移动平均，也可以用一次移动平均(2.1.7)式表示，这种移动平均方法就叫做加权平均，其中每一期的权数不相等，下面介绍几种常用的加权移动平均方法。 除了上述移动平均方法外，X-11季节调整法中还采用亨德松(Henderson)的5, 9, 13和23项加权移动平均。选择特殊的移动平均法是基于数列中存在的随机因子，随机因子越大，求移动平均的项数应越多。§2.2 经济时间序列的季节调整方法1. 季节调整方法的发展 1954年美国商务部国势普查局(Bureau of Census，Depart- ment of Commerce)在美国全国经济研究局(NBER)战前研究的移动平均比法(The Ratio-Moving Average Method)的基础上，开发了关于季节调整的最初的电子计算机程序，开始大规模地对经济时间序列进行季节调整。此后，季节调整方法不断改进，每次改进都以X再加上序号表示。1960年，发表了X-3方法，X-3方法和以前的程序相比，特异项的代替方法和季节要素的计算方法略有不同。1961年，国势普查局又发表了X-10方法。X-10方法考虑到了根据不规则变动和季节变动的相对大小来选择计算季节要素的移动平均项数。1965年10月发表了X-11方法，这一方法历经几次演变，已成为一种相当精细、典型的季节调整方法 X-11方法是基于移动平均法的季节调整方法。它的特征在于除了能适应各种经济指标的性质，根据各种季节调整的目的，选择计算方式外，在不作选择的情况下，也能根据事先编入的统计基准，按数据的特征自动选择计算方