时间序列回归.ppt

31 二、在 EViews 中估计单整模型 可以直接在估计定义式中包含差分算子 D 。例如： GDP ～ I(1) ，即 GDP 是 一阶单整序列。对 GDP 估计 ARIMA(1,1,1) 模型，可以输入列表 (15_1\EQ_DY) ： D(GDP) c ar(1) ma(1) 使用因变量差分因子 D(GDP) 定义模型， EViews 将提供水平变量 GDP 的预测值。 § 15.5.2 确定 ARMA 形式 一、 ARMA 项 模型中 AR 和 MA 部分应使用关键词 ar 和 ma 定义。在上面 AR 定义中，我们 已见过这种方法的例子。这对 MA 也同样适用。 32 例如，估计一个 2 阶自回归和 1 阶动平均过程 ARMA(2,1) ，应将 AR(1), MA(1), AR(2) 和其它解释变量一起包含在回归因子列表中： y c gov ar(1) ar(2) ma(1) 不必连续使用 AR 和 MA 项。例如想用 4 阶季节自回归模型来拟合季节 变化，可以仅使用 AR(4) ： y c gov ar(4 ) 也可仅用 MA 项来定义纯动平均模型。如可以表示出残差的 MA(2) 模型。 y c gov ma(1) ma(2) 传统的 Box-Jenkins 模型或 ARIMA 模型除了常数外不具有任何解释变量。 在这种情况下，解释变量将仅包含一个 c 加上 AR ， MA 项，例如： y c ar(1) ar(2) ma(1) ma(2) 这是标准的 Box-Jenkins ARMA(2, 2) 模型。 33 二、季节 ARMA 项 对于带有季节因素的季度数据， Box and Jenkins(1976) 建议使用季节自 回归 SAR 和季节动平均 SMA 。 SAR( p ) 定义为带有 p 阶滞后的季节自回归项。 估计中使用的滞后多项式是 AR 项和 SAR 项定义的结合。 与此类似， SMA( q ) 定义为带有 q 阶滞后的季节动平均。估计中使用的滞 后多项式是 MA 项和 SMA 项定义的结合。存在 SAR 项则允许建立一个滞后多项 式。 例如：没有季节项的 2 阶 AR 过程 t t t t u u u ? ? ? ? ? ? ? ? 2 2 1 1 n t t n x x L L ? ? , 用滞后算子 ，则上式可表示为： t t u L L ? ? ? ? ? ? ) 1 ( 2 2 1 可以通过回归自变量的 ar(1) ， ar(2) 项来估计这个过程。 34 对于季度数据，可以加入 sar(4) 来表示季节因素，定义方程： y c x ar(1) ar(2) sar(4) 估计误差结构为： t t u L L L ? ? ? ? ? ? ? ? ) 1 )( 1 ( 4 2 2 1 等价于 t t t t t t t u u u u u u ? ?? ?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 6 2 5 1 4 2 2 1 1 参数 和季节因素相联系。注意：这是对系数有非线性约束的 AR(6) 模型。 在另一个例子中，无季节性的二阶 MA 过程如下 ? , 2 2 1 1 ? ? ? ? ? t t t t u ? ? ? ? ? 可以通过包含 ma(1) 和 ma(2) 来估计二阶 MA 过程。 35 对季度数据，可以添加 sma(4) 考虑季节性。例如定义方程： y c x ma(1 ) ma(2) sma(4) 估计模型为： t t L L L u ? ? ? ? ) 1 )( 1 ( 4 2 2 1 ? ? ? ? 等价于： 6 2 5 1 4 2 2 1 1 ? ? ? ? ? ? ? ? ? ? ? t t t t t t t u ? ?? ? ?? ?? ? ? ? ? ? 参数 和季节因素相联系。这是对系数有非线性约束的 MA(6) 模型。还可以 在方程说明中同时包括