ARMA模型的eviews的建立时间序列分析实验指导Word文档下载推荐.docx
《ARMA模型的eviews的建立时间序列分析实验指导Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《ARMA模型的eviews的建立时间序列分析实验指导Word文档下载推荐.docx（36页珍藏版）》请在冰豆网上搜索。
GENRLOGX=LOG（X）
GENRX1=X^2
GENRX2=1/X
GENRT=@TREND（84）
㈣选择若干变量构成数组，在数组中增加变量。
在工作文件窗口中单击所要选择的变量，按住Ctrl键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open/asGroup，则会弹出数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。
在数组窗口点击Edit＋/－，进入全屏幕编辑状态，选择一个空列，点击标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量。
增加变量后，即可输入数据。
点击要删除的变量列的标题栏，在编辑窗口输入新变量名，再点击屏幕任意位置，弹出RENAME对话框，点击YES按钮即可。
㈤在工作文件窗口中删除、更名变量。
⒈在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出的快捷菜单中选择Delete（删除）或Rename（更名）即可
⒉在工作文件窗口中选取所要删除或更名的变量，点击工作文件窗口菜单栏中的Objects/Deleteselected…（Renameselected…），即可删除（更名）变量
⒊在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的Delete按钮即可删除变量。
三、图形分析与描述统计分析
㈠利用PLOT命令绘制趋势图
在命令窗口中键入：
PLOTY
也可以利用PLOT命令将多个变量的变化趋势描绘在同一张图中，例如键入以下命令，可以观察变量Y、X的变化趋势
PLOTYX
㈡利用SCAT命令绘制X、Y的散点图
SCATXY
则可以初步观察变量之间的相关程度与相关类型
二、各种常用差分函数表达式
表1-1:
1949年1月---1960年12月数据
1949年
1950年
1951年
1952年
1953年
1954年
1955年
1956年
1957年
1958年
1959年
1960年
1
112
115
145
171
196
204
242
284
315
340
360
417
2
118
126
150
180
188
233
277
301
318
342
391
3
132
141
178
193
236
235
267
317
356
362
406
419
4
129
135
163
181
227
269
313
348
396
461
5
121
125
172
183
229
234
270
355
363
420
472
6
149
218
243
264
374
422
435
535
7
148
170
199
230
302
364
413
465
491
548
622
8
272
293
347
405
467
505
559
606
9
136
158
184
209
237
259
312
404
463
508
10
119
133
162
191
211
274
306
359
407
11
104
114
146
203
271
305
310
390
12
140
166
194
201
278
337
432
（一）利用D（x）命令系列对时间序列进行差分（x为表1-1中的数据）。
1、在命令窗口中键入：
genrdx=D（x）
则生成的新序列为序列x的一阶差分序列
2、在命令窗口中键入：
genrdxn=D（x,n）
则生成的新序列为序列x的n阶差分。
3、在命令窗口中键入：
genrdxs=D（x,0,s）
则生成的新序列为序列x的对周期长度为s一阶季节差分。
4、在命令窗口中键入：
genrdxsn=D（x,n,s）
则生成的新序列为对周期长度为s的时间序列x取一阶季节差分后的序列再取n阶差分。
5、在命令窗口中键入：
genrdlx=Dlog（x）
则生成的新序列为x取自然对数后，再取一阶差分。
6、在命令窗口中键入：
genrdlxsn=Dlog（x,n,s）
则生成的新序列为周期长度为s的时间序列x先取自然对数，再取一阶季节差分，然后再对序列取n阶差分。
在EVIEWS中操作的图形分别为：
（一）观察时间序列的自相关图。
命令方式：
（1）在命令行输入命令：
Identx（x为序列名称）；
（2）然后在出现的对话框中输入滞后时期数。
（可取默认数）
菜单方式：
（1）双击序列图标。
菜单操作方式：
View—>
Correlogram，
在出现的对话框中输入滞后数。
（二）练习：
观察一些文件中的序列自相关函数Autocorrelation，偏自相关函数Partialautocorrelation的特征
练习1：
操作文件：
Stpoor~1.wf1（美国S&
P500工业股票价格指数1980年1月~1996年2月）
步骤：
（1）打开该文件。
（2）观察序列stpoorr的趋势图，自相关图（自相关函数，偏自相关函数）的特征。
（3）对序列取一阶差分，生成新序列dsp：
genrdsp=d（stpoor），并观察其趋势图，自相关图（同上，下略）的特征。
（4）对该序列的自然对数取一阶差分，生成新的序列dlnsp：
genrdlnsp=dlog（stpoor），并观察其趋势图，自相关图。
练习2：
usagnp.wf1（美国1947年第一季度~1970年第四季度GNP数据）
（2）观察序列usagdp的趋势图的特征，自相关图的特征。
（3）对该序列取一阶差分，生新的序列dgdp：
Genrdgdp=d（usagdp）。
观察其趋势图，自相关图。
（4）对该序列的自然对数取一阶差分，生成新的序列dlngdp：
Genrdlngdp=dlog（gdp）。
（5）对序列一阶季节差分，生成新序列dsgdp=d（usagdp,0,4）观察其趋势图，自相关图的特征。
（6）对该序列的自然对数取一阶季节差分，生成新的序列：
dslngdp=dlog（usagdp,0,4），观察其趋势图、自相关图。
实验二确定性时间序列建模方法
【实验目的】熟悉确定性时间序列模型的建模原理；
掌握确定性时间序列建立模型的几种常用方法。
一、多项式模型和加权最小二乘法的建立；
二、单参数和双参数指数平滑法进行预测的操作练习；
三、二次曲线和对数曲线趋势模型建立及预测；
1、我国1974—1994年的发电量资料列于表中，已知1995年的发电量为10077.26亿千瓦小时，试以表1.1中的资料为样本：
（1）据拟合优度和外推检验的结果建立最合适的多项式模型。
（2）采用加权最小二乘法估计我国工业发电量的线性趋势，并与普通最小二乘法估计的线性模型进行比较，列出OLS方法预测值和W=0.6，W=0.7时1992到1995年预测值以及相对误差。
74-78
79-83
84-88
89-93
94-95
1668
2820
3770
5848
9281
1958
3006
4107
6212
10077.26
2031
3093
4495
6775
2234
3277
4973
7539
2566
3514
5452
8395
操作过程：
建立WORKFILE:
CREATEA19741995
生成新序列Y：
datay
生成新的时间趋势序列t：
genrt=@trend（1973）
建立系列方程：
smpl19741994
lsyct
lsyctt^2
lsyctt^2t^3
通过拟合优度和外推检验的结果发现一元三次多项式模型效果最好。
首先生成权数序列：
genrm=sqr（0.6^（21-t））
加权最小二乘法的命令方式：
ls（w=m）yct
普通最小二乘法命令方式：
进行预测：
打开对应的方程窗口，点forecast按纽，将出现对话框，修改对话框samplerangeforforecast中的时间期限的截止日期为预测期.
相对误差的计算公式为：
（实际值-预测值）/实际值
二、单参数和双参数指数平滑法进行预测的操作练习
2、某地区1996~2003年的人口数据如表1.2，运用二次指数平滑法预测该镇2004年底的人口数（单位：
人）。
1996
1997
1998
1999
2000
2001
2002
2003
114333
115823
117171
118517
119850
121121
122389
123626
建立WORKFILE：
createU19962004
建立新序列Y和T：
datay然后输入数值。
genrt=@trend（1995）
打开y序列，点击exponentialsmoothing按纽，出现如图所示对话框按照图示选项点击确定即可。
3、某地区1996—2003年农村用电量数据见表1.3，试利用Holt双参数指数平滑法预测该地区2004年该地区农村用电量（单位：
千瓦时）。
844.5
963.2
1106.9
1244.8
1473.9
1655.7
1812.7
1980.1
建立WORKFILE：
datay然后输入数值。
4、我国民航客运量数据的季节调整。
有关数据如表1.4，对序列进行季节调整。
（1指1993年10月，54指1998年3月）并对调整后序列建立二次曲线和对数曲线趋势模型，得到两个方程的民航客运量趋势估计值，并进行季节调整，求出两个趋势方程建立的季节模型预测值。
（选做）
328
263
251
241
249
316
344
13
14
15
16
17
384
368
401
336
366
331
21
22
23
24
25
26
27
397.31
509
474
458.94
412
31
32
33
34
35
36
37
447
483
439
514
550
489
534
41
42
43
44
45
46
47
416
451
486.2
507
458.99
493
562
51
52
53
54
398
442
404.55
428
实验三时间序列随机性和平稳性检验
【实验目的】认识Eviews输出的时间序列自相关图的内容及含义：
自相关函数、偏自相关函数、95%置信限、Q-statistic。
学会通过自相关图的Q统计量判断序列是否为白噪声。
通过观察序列的趋势图及自相关图判断序列是否为平稳序列。
一、本次练习主要操作文件为ar1.wf1，ar2.wf1，ma1.wf1，ma2.wf1，arma11.wf1，arma21.wf1，各文件中包含的序列都是模拟生成的零均值平稳序列。
二、总结各种过程自相关函数，偏自相关函数的特征。
三、观察其他文件中的序列，看其是否平稳，若不平稳，试通过适当的差分变换、方差平稳化变换（取对数，平方根等）使其转化为平稳序列，然后观察序列的自相关函数，偏自相关函数的特征，并与自已总结的各种过程的特征对照。
练习1.操作文件：
ar1.wf1
说明：
该文件中含有三个序列：
at为模拟生成的正态白噪声序列；
x、y均是模拟生成的ar
（1）过程，其参数各不相同。
文件中有两个模型：
EQX、EQY分别是对x、y的估计结果。
操作内容：
（1）观察序列at的自相关图，看其是否为白噪声序列，为什么？
（2）观察序列x的自相关图：
样本自相关函数（SACF）呈指数衰减，样本偏自相关函数（SPACF）滞后一阶截尾。
（3）观察序列y的自相关图：
样本自相关函数呈正负交替的指数衰减，样本偏自相关函数滞后一阶截尾。
（4）分别打开EQX、EQY，试写出对x、y的估计结果。
ar2.wf1
该文件中含有四个序列：
at为模拟生成的白噪声序列；
x，y，z均为模拟生成的AR
（2）过程，且其参数各不相同。
文件中有三个模型：
分别是对x、y、z的估计结果。
（1）分别观察序列x，y，z的自相关图，看其样本自相关函数，样本偏自相关函数各有什么特征。
（提示：
其样本自相关函数分别呈混合指数衰减、正负交替的混合指数衰减、阻尼正弦波衰减；
样本偏自相关函数均滞后二阶截尾）。
（2）分别打开EQX、EQY、EQZ，写出对x、y、z的估计结果。
练习3：
操作方件：
ma1.wf1
文件中的序列x、y分别为模拟生成的ma
（1）过程，其参数各不相同。
文件中的模型EQX、EQY为对x、y的估计结果。
（1）分别观察序列x，y的自相关图，看其样本自相关图，偏自相关图各有什么特征。
其样本自相关函数均呈滞后一阶截尾，样本偏自相关函数分别呈指数衰减、正负交替的指数衰减）。
（2）分别打开EQX、EQY、写出对x、y的估计结果。
练习4：
ma2.wf2
文件中的序列分别为模拟生成的MA
（2）过程，其参数各不相同。
各序列的样本自相关函数均滞后二阶截尾，样本偏自相关函数分别呈混合指数衰减、正负交替的混合指数衰减，阻尼正弦波衰减）。
练习5：
ARMA11.wf1
文件中的序列x，y，z分别为模拟生成的不同参数的ARMA（1,1）过程，EQX、EQY、EQZ分别为对各序列估计的结果。
各序列的自相关函数，偏自相关函数都呈指数衰减）。
（2）写出各模型的估计结果。
练习6：
ARMA21.wf1
实验四时间序列季节性、可逆性检验
【实验目的】观察具有实际背景的经济数据，判断其是否平稳、是否含有季节性，均值是否为零。
能运用合适的方法如差分、季节差分、取对数、平方根等，使序列变为平稳序列；
平稳序列减去其均值，使其零均值化。
【实验内容】一、判断序列的平稳性和可逆性，给出相应判断依据，并写出模型形式。
二、找出自己感兴趣的数据，判断数据是否平稳，是否具有季节性，均值是否为零等。
练习一
ar1.wf1，ar2.wf1，ma1.wf1，ma2.wf1，arma11.wf1，arma21.wf1
一、
（1）打开文件ar1.wf1，
（2）依据EQX，写出关于序列x的模型形式：
Xt=0.68Xt-1+at（3）写出用B算子表示的模型形式：
（1－0.68B）Xt=at
（4）判断模型是否平稳？
说明原因。
（5）写出该模型的传递形式。
二、
（1）打开文件ar2.wf1
（2）依据EQX写出序列x的模型形式为：
Xt=0.49Xt-1+0.25Xt-2+at
（3）写出用B算子表示的形式：
（4）判断模型是否平稳?
（5）试推导模型的传递形式。
并写出其前5个格林函数。
三、
（1）打开文件ma1.wf1
（2）依据EQX写出序列X的模型形式：
Xt=at－0.82at-1
Xt=（1－0.82B）at
（4）判断模型是否可逆？
（5）写出该模型的逆转形式。
四、
（1）打开文件arma1.wf1
Xt=0.92Xt-1+at－0.57at-1
（1－0.92B）Xt=（1－0.57B）at
是否平稳？
（5）试推该模型的传递函数形式。
五、打开ma2.wf1，写出各序列模型形式及用B算子表示的形式，判断序列是否可逆，试推导其逆转形式。
打开ARMA21.wf1，写出各序列模型形式及用B算子表示的形式，判断序列是否平稳，是否可逆，试推导其传递函数形式，逆转形式。
练习二
zl1.wf1~zl20.wf1，gdp.wf1，gdpindex.wf1，stpoor.wf1，usagnp.wf1等。
文件说明：
（1）zl1wf1~zl20.wf1各文件是教材后附录III所列资料，各数据背景参见附录。
（2）gdp.wf1为我国1978~2001各年GDP数据。
Gdpindex.wf1为我国1953~2001各年GDP指数，即各年GDP发展速度数据。
（3）stpoor.wf1，usagnp.wf1文件说明见第一次上机实习内容说明。
判断是否平稳、是否具有季节性的方法：
（1）通过序列的趋势图粗略的判断。
（2）通过序列的自相关图判断。
若序列自相关函数衰减缓慢，滞后较长时期仍不为零，则可初步断定序列非平稳。
若序列的自相关函数周期性的显著不为零（如月度数据的滞后12期，24期，36期等自相关函数显著不为零；
季度数据的滞后4，8，12，16各期自相关函数显著不为零）则可判断序列含有季节性。
使序列平稳化的方法：
（1）若数据方差非平稳，应先通过对数变换、平方根变换等方法，使序列方差平稳。
（2）先通过差分消除序列的长期趋势（如果有的话）。
（3）再通过季节差分消除序列的季节性（如果有的话）。
差分函数的使用可见前两次上机实习内容。
使平稳序列零均值化的方法：
在Eviews中可通过函数@mean（）求序列的均值。
如要求平稳序列x的均值，并对序列x零均值化，则可用如下命令：
Scalarm=@mean（x）
Genry=x－m
其中：
Scalar命令在Eviews中表示生成标量数据（均值只是一个数，而不是序列）。
Y为对x零均值化后的序列。
当然，上述命令也可简化为：
Genry=x－@mean（x）
习题三：
用自相关分析图识别199
升级会员 