经济时间序列的季节调整分解和平滑方法.ppt

五、诊断（Diagnostics） 这项选择提供了各种诊断： ① 季节因素的稳定性分析（Stability Analysis of Seasonals） · Sliding spans 移动间距 检验被调整序列在固定大小的移动样本上的变化； · Historical revisions 历史修正检验被调整序列增加一个新观测值，即增加一个样本时的变化。 ② 其他诊断（Other Diagnostics） 还可以选择显示各种诊断输出。 第三十页，共六十页。 2. X11方法 X-11法是美国商务部标准的季节调整方法(乘法模型、加法模型)，乘法模型适用于序列可被分解为趋势项与季节项的乘积，加法模型适用于序列可被分解为趋势项与季节项的和。乘法模型只适用于序列值都为正的情形。 第三十一页，共六十页。 如果在季节调整对话框中选择X-11选项，调整后的序列及因子序列会被自动存入EViews工作文件中，在过程的结尾X-11简要的输出及错误信息也会在序列窗口中显示。 关于调整后的序列的名字。EViews在原序列名后加SA，但也可以改变调整后的序列名，这将被存储在工作文件中。 需要注意，季节调整的观测值的个数是有限制的。X-11只作用于含季节数据的序列，需要至少4整年的数据，最多能调整20年的月度数据及30年的季度数据。 第三十二页，共六十页。 3. 移动平均方法 X-11法与移动平均法的最大不同是：X-11法中季节因子年与年有可能不同，而在移动平均法中，季节因子被假设为是一样的。 第三十三页，共六十页。 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 第三十四页，共六十页。 2.3 趋势分解 本章第2节介绍的季节调整方法可以对经济时间序列进行分解，但在季节调整方法中，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。 第三十五页，共六十页。 2.3.1 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 (2.3.1) 计算HP滤波就是从{Yt}中将{YtT} 分离出来 。 第三十六页，共六十页。 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：