时间序列上机指导.docx
《时间序列上机指导.docx》由会员分享,可在线阅读,更多相关《时间序列上机指导.docx(36页珍藏版)》请在冰豆网上搜索。
![时间序列上机指导.docx](https://file1.bdocx.com/fileroot1/2022-11/16/85a0b6c8-1b9d-4bf0-be2e-871ee4b680c5/85a0b6c8-1b9d-4bf0-be2e-871ee4b680c51.gif)
时间序列上机指导
时间序列分析
实验指导
目录
实验一EVIEWS中时间序列相关函数操作-1-
实验二确定性时间序列建模方法-9-
实验三时间序列随机性和平稳性检验-18-
实验四时间序列季节性、可逆性检验-21-
实验五ARMA模型的建立、识别、检验-27-
实验六ARMA模型的诊断性检验-30-
实验七ARMA模型的预测-31-
实验八复习ARMA建模过程-33-
实验九时间序列非平稳性检验-35-
实验一EVIEWS中时间序列相关函数操作
【实验目的】熟悉Eviews的操作:
菜单方式,命令方式;
练习并掌握与时间序列分析相关的函数操作。
【实验内容】
一、EViews软件的常用菜单方式和命令方式;
二、各种常用差分函数表达式;
三、时间序列的自相关和偏自相关图与函数;
【实验步骤】
一、EViews软件的常用菜单方式和命令方式;
㈠创建工作文件
⒈菜单方式
启动EViews软件之后,进入EViews主窗口
在主菜单上依次点击File/New/Workfile,即选择新建对象的类型为工作文件,将弹出一个对话框,由用户选择数据的时间频率(frequency)、起始期和终止期。
选择时间频率为Annual(年度),再分别点击起始期栏(Startdate)和终止期栏(Enddate),输入相应的日期,然后点击OK按钮,将在EViews软件的主显示窗口显示相应的工作文件窗口。
工作文件窗口是EViews的子窗口,工作文件一开始其中就包含了两个对象,一个是系数向量C(保存估计系数用),另一个是残差序列RESID(实际值与拟合值之差)。
⒉命令方式
在EViews软件的命令窗口中直接键入CREATE命令,也可以建立工作文件。
命令格式为:
CREATE时间频率类型起始期终止期
则菜单方式过程可写为:
CREATEA19851998
㈡输入Y、X的数据
⒈DATA命令方式
在EViews软件的命令窗口键入DATA命令,命令格式为:
DATA<序列名1><序列名2>…<序列名n>
本例中可在命令窗口键入如下命令:
DATAYX
⒉鼠标图形界面方式
在EViews软件主窗口或工作文件窗口点击Objects/NewObject,对象类型选择Series,并给定序列名,一次只能创建一个新序列。
再从工作文件目录中选取并双击所创建的新序列就可以展示该对象,选择Edit+/-,进入编辑状态,输入数据。
㈢生成log(Y)、log(X)、X^2、1/X、时间变量T等序列
在命令窗口中依次键入以下命令即可:
GENRLOGY=LOG(Y)
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
在命令窗口中键入:
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
196
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
235
227
269
313
348
348
396
461
5
121
125
172
183
229
234
270
318
355
363
420
472
6
135
149
178
218
243
264
315
374
422
435
472
535
7
148
170
199
230
264
302
364
413
465
491
548
622
8
148
170
199
242
272
293
347
405
467
505
559
606
9
136
158
184
209
237
259
312
355
404
404
463
508
10
119
133
162
191
211
229
274
306
347
359
407
461
11
104
114
146
172
180
203
237
271
305
310
362
390
12
118
140
166
194
201
229
278
306
306
337
405
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:
三、时间序列的自相关和偏自相关图与函数;
(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。
(可取默认数)
(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:
操作文件:
usagnp.wf1(美国1947年第一季度~1970年第四季度GNP数据)
步骤:
(1)打开该文件。
(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)。
观察其趋势图,自相关图。
(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。
【实验内容】
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;
【实验步骤】
一、多项式模型和加权最小二乘法的建立;
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: