eviews残差分析分析和总结.docxVIP

Eviews 时间序列分析实例 时间序列是市场预测中经常涉及的一类数据形式本书第七章对它进行了比较详细的介绍。通 过第七章的学习读者了解了什么是时间序列并接触到有关 时间序列分析方法的原理和一些分析实例。本节的主要内容 是说明如何使用 Eviews 软件进行分析。 一、指数平滑法实例 所谓指数平滑实际就是对历史数据的加权平均。它可以用于任何一种没有明显函数规律但确实存在某种前后关联 的时间序列的短期预测。由于其他很多分析方法都不具有这 种特点指数平滑法在时间序列预测中仍然占据着相当重要的位置。 一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法非常简单甚至只要样本末期的平滑值就可以得到预测结果。 一次指数平滑的特点是能够跟踪数据变化。这一特点所有指数都具有。预测过程中添加最新的 样本数据后新数据应取代老数据的地位老数据会逐渐居于 次要的地位直至被淘汰。这样预测值总是反映最新的数据结 构。 一次指数平滑有局限性。第一预测值不能反映趋势变动、季节波动等有规律的变动第二这种方法多适用于短期预 测而不适合作中长期的预测第三由于预测值是历史数据的均值因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想很大程度上取决于平滑系数。Eviews 提供两种确定指数平滑系数的方法自动给定和人工确定。选择自动给定 系统将按照预测误差平方和最小原则自动确定系数。如果系 数接近 1 说明该序列近似纯随机序列这时最新的观测值就是最理想的预测值。 出于预测的考虑有时系统给定的系数不是很理想用户需要自己指定平滑系数值。平滑系数取什么值比较合适呢一般来说如果序列变化比较平缓平滑系数值应 该比较小比如小于 0.l 如果序列变化比较剧烈平滑系数值可以取得大一些如 0.30.5。若平滑系数值大于 0.5 才能跟上序列的变化表明序列有很强的趋势不能采用一次指数平滑进 行预测。 〔例 1〕某企业食盐销售量预测。现在拥有最近连续 30 个月份的历史资料见表 l 试预测下一月份销售量。 表1 某企业食盐销售量 单位吨 解使用 Eviews 对数据进行分析第一步是建立工作文件和录入数据。有关操作在本章第一节中已经阐明这里不再赘述。假设已经建立工作文件并生成了一个样本期为 l30 的序列命名为 SALES。序列 SALES 中包含例 1 中需要分析的数据。 第二步绘制序列图形。在序列对象窗口中点击 View→Line Graph。屏幕显示图 1 所示图形。 图 1 某企业近 30 个月的销售量动态图 从图 1 中可以看出这个企业近 30 个月的销售量并不存在明显的趋势并且没有明显的季节趋势。因此从直观上判断可以采用一次指数平滑法对企业下个月的销售量进行预测。 第三步扩大样本期。本例要求对下一个月的销售量进行预测而工作文件的样本期是 130 在 Eviews 中要求先更改样本期。更改样本期的操作在本章第一节已经讲过这里将样本期改为 l31。 第四步进 行指数平滑。指数平滑的菜单操作方法有两种一是在主工作 文件窗口打开的情况下点击主窗口的 Quick→Series Statistics→Exponential Smoothing 二是在序列对象窗口中点击 Procs→Exponential Smoothing。点击后屏幕出现如图 2 所示的指数平滑对话框。 指数平滑对话框中包含五个部分的选项平滑方法 Smoothing Method、平滑系数 Smoothing Parameters、平滑后生成序列的名称 Smoothed Series、预测样 本范围 Estimation Sample 和季节变动周期 Cycle for Seasonal。对话框左上部分的平滑方法 Smoothing Method 包括 Single 一次指数平滑 Double 二次指数平滑 HoltWintersNo seasonal HoltWinters 无季节模型 HoltWintersAdditive HoltWinters 季节迭加模型 HoltWintersMultiplicative HoltWinters 季节乘积模型 平滑系数Smoothing Parameters 包括 AlphaBetaGamma。平滑系数可由系统自动给定也可以由用户指定。缺省状态是由系统自动给定。如果用户需要指定 只需在对应参数的位置填入指定的数值。 本例中分别指定Alpha 的值为 0.3 和 0.5。当指定平滑系数为 0.3 时预测的残差平方和为 137.2978 当平滑系数为 0.5 时预测的残差平方和为 165.0685。因此这里选择平滑系数为 0.3 时的预测结果。根据一次指数平滑方法的预测该企业下个月的销售量应为 29.2 吨。 图 2 指数平滑对话框 二二次指数平滑 二次指数平滑又称双重指