用EVIEWS处理时间序列分析报告Word格式.docx
《用EVIEWS处理时间序列分析报告Word格式.docx》由会员分享，可在线阅读，更多相关《用EVIEWS处理时间序列分析报告Word格式.docx（89页珍藏版）》请在冰豆网上搜索。
导入数据，方式同上；
在Quick菜单下选择自相关图，对Qiwen原列进行分析；
可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。
序列的相关分析
输入序列名称
Correlo^ra*Specifica・.
Correlogramof
ELeireJj
'
1stdiffereitt21\（1disr
La^stoincliide
固—
选择相关分析的对象
H¥
ifts-F?
iPrif?
iT：
QT¥
HWTnrfrfilf?
:
ffi1.4\nnriTlrdl
Pil-aEdi<
C'
bjflclViowFreflQu；
dr0虫liamVirtd-svHalf■颌X
炬呼]毗r]gjB?
t|mer慨s|Prmt|M4ne.卜^叩©
.arr|抄8«
]或眦|lcerrLir^ltar
CorrelogramolUlWtN
Date:
[K/23/D8Tima:
21:
36
Sarrpl&
.194919QS
IncludedDDservatioiis:
工
AjlacarentionPartialCorrelation
1
XJ.177-0.177
20017.nni5
Jiil/-1iii.t
40.0130.065
5-0.167-0.1SG
60zas-nrun
70.CCQ0016
日-0JQ120.063
9-0021』022
1U0.D53U1J13
11O.D®
0.035
12-0.^9-0.079
130077DM0
14-0.036UUWU帖^O.TO-0.04^
16£
血0IrO
1.354J1nfln；
3.32533.34354.S175TFI405.2S435.39^54227土T
5.G453
6.1721
b.=/437J0134
沖口22予13佑饰归芜册芒4/帘也14^544677J395J-J-4n^D^n^n^n-n^n^n^n-n-n-n-n-nu-n^
nirn
序列的相关分析结果：
1.可以看出自相关系数始终在零周围波动，判定该序列为平稳
时间序列2.看Q统计量的P值：
该统计量的原假设为X的1期，2期……k期的自相关系数均等于0,备择假设为自相关系数中至少有一个不等于0,因此如图知，该P值都＞5%
的显著性水平，所以接受原假设，即序列是纯随机序列，即白噪声序列（因为序列值之间彼此之间没有任何关联，所以说过去的行为对将来的发展没有丝毫影响，因此为纯随机序列，即白噪
声序列.）有的题目平稳性描述可以模仿书本33页最后一段•
（三）平稳性检验还可以用：
单位根检验：
ADF,PP检验等；
非参数检验：
游程检验
图1:
序列的单位根检验
单位根检验的方法选择
图3:
ADF检验的结果：
如图，单位根统计量ADF=-0.016384都大于EVIEWS给出的显著性水平1%-10%的ADF临界值，所以接受原假设，该序列是非平稳的。
、纯随机性检验
计算Q统计量，根据其取值判定是否为纯随机序列。
例2.3的自相关图中有Q统计量，其P值在K=6、12的时候均比较大，不能拒绝原
假设，认为该序列是白噪声序列。
另外，小样本情况下，LB统计量检验纯随机性更准确。
第三章平稳时间序列建模实验教程
、模型识别
1.打开数据
2.绘制趋势图并大致判断序列的特征
期KVitkp^
1.：
"
••：
.：
•：
：
•：
：
•••[•]-ji：
I^BE.
xWan-cLaM-H«
1p
CCGT96亍
nb弓YEAR]
S«
nf!
■-
ierifrateSeiries
Cripty旨Q0叩札t巴萌・砒
甸u>
Jl
略丄u）WiUJ
Sbe-£
BHSiallife<
3«
UfirpfcijXS*i41i44J.5*initte-t冒izti*nEstinbleTML..
4p油d|石b*ctiP・ifc]Mapaa]用saae[|Det-aut
KStki
SHU"
A
■-■4»
!
TEi4fBlinJ|'
.-
TJIT^1nu—1^1fl—1
LjAu岳*3Bwr曰叩j^cHLt4r
Lilih
1X0191511^2■l^J
1X4
19S0
W
T^O
-步•
19G2
V^3
f匚沁H
1950
12-34&
6-^r0&
oI5G-eE^Bls若石€3_9yq-3日yp9qF
*x
1Ml
绘制序列散点图
SpriesList
输入散点图的两个变量
£
.litQhj^rt舁tfi-KfiujckOitiousyiriiVu-
sn-
F
■
E■邮h;
；
UBT1I1JILJtoEklilatb\U&
til£
«
<
l
□
旦区
7leiv|procObject]Paint^JaneftCdrUnH*中wdeSefrcve|1erdat^optcnsZeen
■Irl
;
rn
n
I1-9
Go1
图4:
序列的散点图
3.绘制自相关和偏自相关图
nptrJr4up（EdiAStrici）
Serx^E5t^LL*-tJ?
S
EistcfTfijisdlJStuLs
■Si…
cb=.
互
W7
7«
195
1密
J
196
1>
_!
1乏
RUE
1矢8
1帝
960
19S2
1知
Crox.£
St4.11sties•
TEtinktfrT]an.
stin&
lc：
ThfL..
PfKT]闿甘血IRf笙豪「|褒佔lit:
、訥lD二!
匚H[
HO12
Al9£
x9e
LL-rtifl—4—V
d44
氐骑
11
66-739012西册St務芳离9G9GU—^11—^14—^14—1
5_£
6叩50巧
药刃71
684
737BB4
「wsrelo罗on
Vd:
tBootT-ist.
Hx^or.eiilial&
rcol3u.XL£
.
Hodrick-rr4='
2a<
1JiJLlar...
罄ETiers
匚叵冈
IdUliitQhiiet][i«
w£
tck||aitlusffiindw
5*^1*
啦山畫j・L雹Silled.
鼻熒..
在数据窗口下选择相关分析
选择变量
Correlo^ra*Specifics・・
，它fT"
”ql
fdigreitx
2nd.
旷I
Ln武Einclude
Cancel
Izo-
选择对象
序列相关图
4.根据自相关图和偏自相关图的性质确定模型类型和阶数
如果样本（偏）自相关系数在最初的d阶明显大于两倍标准差范围，而后几乎95%的自相关
系数都落在2倍标准差的范围以内，而且通常由非零自相关系数衰减为小值波动的过程非
常突然。
这时，通常视为（偏）自相关系数截尾。
截尾阶数为d。
本例：
自相关图显示延迟3阶之后，自相关系数全部衰减到2倍标准差范围内波动，这表
明序列明显地短期相关。
但序列由显著非零的相关系数衰减为小值波动的过程相当连续，相当缓慢，该自相关系数可视为不截尾
偏自相关图显示除了延迟1阶的偏自相关系数显著大于2倍标准差之外，其它的偏
自相关系数都在2倍标准差范围内作小值随机波动，而且由非零相关系数衰减为小
值波动的过程非常突然，所以该偏自相关系数可视为一阶截尾
所以可以考虑拟合模型为AR
（1）
自相关系数
偏相关系数
模型定阶
拖尾
P阶截尾
AR（p）模型
Q阶截尾
MA（q）模型
ARMA（P,Q）模型
具体判别什么模型看书58到62的图例。
AR模型：
xt
MA模型：
ARMA模型:
2Pt
1AR
（1）*BAR
（2）*BAR（P）*B
（1MA
（1）*BMA
（2）*B2MA（q）*B"
1）t
1MA
（1）*BMA
（2）*B2MA（q）*Bq
1AR
（1）*BAR
（2）*BAR（P）*B
（其中模型中的ar
（1）
MA
（1）表示的是求出来的系数
就是常数项）
、模型参数估计
根据相关图模型确定为
AR
（1），建立模型估计参数
在ESTIMATE中按顺序输入变量ex
ccx（-1）或者cx
car
（1）选择LS参数估计
方法，查看输出结果，看参数显著性，该例中两个参数都显著。
细心的同学可能发现两个模型的C取值不同，这是因为前一个模型的C为截距项；
后
者的C则为序列期望值，两个常数的含义不同。
Specification
建立模型
EQualionEsti^ation
Eq^u^.tionspeci£
ica.tion
esecite.
Ilepejidentvaxiabl«
efollowedBylistg£
regrTDLtenme,OBske^plicitequatioilLike
EstifftatMnsettings
Zl
也电thud/IS"
LtaxiSq口ar“ijTLSandAEUIh）
Sample19501998
输入模型中变量，选择参数估计方法
参数估计结果
匕1・ElitQbjiclJfr-K
stinaleEqLieAn>
n.-.
*"
I十飞耳L尸
Ssrile-..
CericrSeries.
She*
Gt*!
Il
InftySrwp（EditStride）
Otlic-bs卅轟dmXvlp
I,—I
Qb>
YY
CX
Qt>
i9^n
侏口
芳丹
19^1
19C1
诜2
1%2
州U
19^3
谨3
763
1茫4
1954
ZO.5
叱
1965
305
19EE
19E6
736
iyE；
1957
19C0
19E9
9E9
T1.J
町II
1JJLO
1雀1
19£
7BG
13C2
1952
344
-
1AR3
J>
tiniLtcrXK..
PriT
Eh-4
-旅期
图5:
图6:
AR模型:
Xt
81.32034
10.703332B
三、模型的显著性检验
检验内容:
整个模型对信息的提取是否充分;
参数的显著性检验，模型结构是否最简。
图1：
模型残差
1-0091-0.D91
2□1270.12D
3□137U.1G2
4-01780.175
5D12501GUf-□nrflnro?
7□219QJE2
B00240C06
9D0^-O.Q10ID00?
®
UJ!
76
111?
7-nn76
12"
003?
0,071
130034QUO
14-0033O.CyC
15Q018n.D11
16OJODO-0.024
17-0OQEiO.H22
IE-OXJtS-U.LU2
19-00570.010盘-0021-O.U70
3907石?
71667口囹站田即19S144S1&
1卫1C7BH2672236fl_y33D0aflw-3J5
2.2^-Jfl7*-1J3£
A£
□un-□
5nH7c37J.—3_un41957oI7_u
5-l53M«
42s¥
45sB1BaB774?
9^6a^al909QEa^aQanauQuaaa&
OQaaQa
ETicwjt-tarries;
KR5TPWnrkTilc;
JHiUb\rTntjiT1cril口乂
f4-1VQl>
t欝电奋Q<
licit帖eg*■㈢址
Vi-swProc]i:
|ixerties|TVrt]Mai-ri*jFireeM]Genr[StiBetjStatsJXdanl]丄E丘曰
Car<
^lA|jramnlRrsn
Oai^.DO/T1/CcTimi21.47
^Ftrr.plr[弔fl1"
9R
Um^Lded□.S^erratiq-^4Q
QSLAPrg.b
Auiccui'
』AlOnP-altdlCail巳皿1匚n
GB-rr4h«
¥
7-
残差的平稳性和纯随机性检验
对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于零，Q统计量
的P值都远远大于0.05，因此可以认为残差序列为白噪声序列，模型信息提取比较充分。
常数和滞后一阶参数的P值都很小，参数显著；
因此整个模型比较精简，模型较优。
四、模型优化
当一个拟合模型通过了检验，说明在一定的置信水平下，该模型能有效地拟合观察值序列的波动，但这种有效模型并不是唯一的。
当几个模型都是模型有效参数显著的，此时需要选择一个更好的模型，即进行优化。
优化的目的，选择相对最优模型。
优化准则：
最小信息量准则（AnInformationCriterion）
指导思想
似然函数值越大越好
未知参数的个数越少越好
AIC准则的缺陷
在样本容量趋于无穷大时，由AIC准则选择的模型不收敛于真实模型，它通常比真
实模型所含的未知参数个数要多
AICnln（?
2）2（未知参数个数）
SBCn|n（?
2）ln（n）（未知参数）
但是本例中滞后二阶的参数不显著，不符合精简原则，不必进行深入判断。
第四章非平稳时间序列的确定性分析
第三章介绍了平稳时间序列的分析方法，但是自然界中绝大多数序列都是非平稳的，因
而对非平稳时间序列的分析跟普遍跟重要，人们创造的分析方法也更多。
这些方法分为确定
性时序分析和随机时序分析两大类，本章主要介绍确定性时序分析方法。
一个序列在任意时刻的值能够被精确确定（或被预测），则该序列为确定性序列，如正
弦序列、周期脉冲序列等。
而某序列在某时刻的取值是随机的，不能给以精确预测，只知道取某一数值的概率，如白噪声序列等。
Cramer分解定理说明每个序列都可以分成一个确定序列加一个随机序列，平稳序列的两个构成序列均平稳，非平稳时间序列则至少有一部分不
平稳。
本章先分析确定性序列不平稳的非平稳时间时间序列的分析方法。
确定性序列不平稳通常显示出非常明显的规律性，如显著趋势或者固定变化周期，这种
规律性信息比较容易提取，因而传统时间序列分析的重点在确定性信息的提取上。
常用的确定性分析方法为因素分解。
分析目的为：
①克服其他因素的影响，单纯测度某
一个确定性因素的影响；
②推断出各种因素彼此之间作用关系及它们对序列的综合影响。
一、趋势分析
绘制序列的线图，观测序列的特征，如果有明显的长期趋势，我们就要测度其长期趋势，
测度方法有：
趋势拟合法、平滑法。
（一）趋势拟合法
1.线性趋势拟合
例1:
以澳大利亚政府1981-1990年每季度消费支出数据为例进行分析。
导入数据
绘制线图，序列有明显的上升趋势
长期趋势具备线性上升的趋势，所以进行序列对时间的线性回归分析。
序列支出（zc）对时间（t）进行线性回归分析
Eh已廿4戶什=rn-Qii皿CiQpirre血irdow吐哪
Estirra^；
F
Viwi]^rwjOolett：
F'
rirtjhki^ne|Fr«
ie
ob
Vle^l-'
rocjub
tdre«
id
>
/a*iatile
Cn&
ffiticrt
StdError
Pnh
849B£
S8
137S174B1.E2150
0.0003
T
C9.1225I
5.0E219315.70233
Rccua^d
oaseeoi
Moandopcndont口
10325.70
AdjustedR-equsreid
0355K8
D.deDprdentvar
112^1273
SFot'
tPcrA?
^or
0刀
AcflikPnfrcrt^flcn
IE00474
Sumscursdheld
6S60.35r
Schwancriterion
150891?
Loglikelihood
-290C946
F-ettflslIc
231.1291
□urbin-WBl&
onstil
^.21C3j4
P'
obfr
OJOOOOJ
DependemVartabfeiZC
NktliodLtscjslSquares
Date.O3H1fCSTime.12:
52
SarTjjle：
140
IrciLded□asfirYitiois.上口
WaHwE.[DB・norT||卿・88大和E消貨农世
回归参数估计和回归效果评价
可以看出回归参数显著，模型显著，回归效果良好，序列具有明显线性趋势。
JtiFfiCQEt
Forica&
t
|l4Q
foricastof
Eqna.tiMUWTITLEDS^riZC
Method
StaticforiecQ-EtG1OiyTL：
HJTi1CE1FlA^111d*；
円啊1
OuHtput‘
R?
Per电亡址Etgr^pK
JF^r^etsttviliiti
»
InsertactualsforQTit^of^sajmplsobs
运用模型进行预测
目*giit2讨》"
址月w^rn;
』」1讣r7ig-!
lnin-屮牛
|V幻h|PmupObiPGIPrIM|NnrwlFrpgp|Estim试ej刊i■仇吉MSt•訥宣｝口缶记计
mil
liftDO.
11£
D
4帧
ULWU
仙1
「口电二⑷―冃比-讯啟…巧■嚴;
^toaHtaah」加
册」低箱〉卄m3.^12300J2DCHJnrnnmnLI.LJ8LBj：
DJ4ICB6
^recajE比F
AH财；
ZC
Farficaft=arr|pb-14D
I『沪lu龙■叩ebc*njmwc!
**
F<
jflrEMeon-^CKiarEdErcr艸xlMEmrlutanAns.Peno&
fi&
rorwieniWCjiiHtfCliSt审恥Frrfw-rtiiMivsnarcflfnaportiC'
n^^3^3h«
4Pnp<
tri!
i4n
6ODD-
预测效果（偏差率、方差率等）
图7:
绘制原序列和预测序列的线图
图&
原序列和预测序列的线图
■WHkfile■SeriesRISIG瓯Mb噢大和亚辅薮吏出LIMiti胡BRH
■G“p期跖山驭艸时昨
Vir2|nr0：
|Ob}t:
Range;
I；
41
SsmuleI4[
引曲[口仪心尉|Aod怙或扎f/sfrada]RBma呵J屮paL$|心pbo制Eccm|
t1TL2函叼000
升级会员 