搜索
一、实验目的1．回顾上节课所讲述的EViews的基本使用2．建立工作文件并将数据输入存盘二、实验要求熟悉EViews的基本使用三、实验数据年份1970197172737475767778财政收入662.9744.7766.6809.7783.1815.6776.6874.51121.1国民收入192620772136231823482503242726443010年份798081828384858687财政收入1103.31085.21089.61124.01249.01501.91866.42260.32346.6国民收入335.036883940426147305650703178879321四、实验内容（一）创建一个新的工作文件在主菜单上选择File，并点击其下的New，然后选择Workfile。Eviews将进一步要求用户输入工作文件的日期信息（频数）。在频数栏中选择一个频数，并按如下规则键入开始日期（Startdate）和结束日期：（EndDate）如果数据是月度数据，则按下面的形式输入（从Jan.1950到Dec.1994）：1950:011994:12如果数据是季度数据，则按下面的形式输入（从1stQ.1950到3rdQ.of1994）：1950:11995:3如果数据是年度数据，则按下面的形式输入（从1950到1994）19501994如果数据是按周的数据，则按下面的形式输入（从2001年1月第一周到2010年1月第四周）：1/01/20011/04/2010如果数据非时间型的或不是按一定时间间隔收集的数据，则按下面的形式输入（共30个观测值）：130然后，单击ok，就这样，就创建成功了一个新的工作文件。（二）、打开工作文件并输入数据在主菜单上选择File，并点击其下的Open,然后选择Workfile，并在驱动器栏中选择驱动器，在目录栏中选择保存该文件的路径，选择要打开的工作文件的文件名，最后点击OK按钮。这样，就打开了一个已经存在的工作文件。选择Objects/NewObject/Series，在NameforObject对话框中输入序列名，单击OK。这时会打开序列窗口，所有值用“NA”表示。在对象窗口单击EDIT+/-按钮。然后用鼠标单击单元格，这是可以向该单元输入数据。D、建立组Group1、按C的步骤建立序列S1,S2,S3，按住CTRL键，用鼠标单击S1,S2,S3，选中这三个序列，单击Objects/NewObject/Group，单击OK。这时会打开组窗口，所有值和序列中的对应值相同。可在组窗口中单击name来修改组的名字。2、第二种方式是，直接点击Objects/NewObject/Group，输入新的Group的名称，保存后，在Group的表格中直接输入变量与数据（三）怎样向Eviews导入数据A、从其它数据源导入数据Eviews还识别三种其它格式存储的数据：Text-ASCII文本格式数据文件，Excel格式数据文件和Lotus格式数据文件。欲将其它格式的数据文件导入到当前工作文件中，在工作文件窗口中选择Proce（过程）ImportData（导入数据）……，在打开的对话框中给出数据文件名和数据文件相应的类型。1、文本格式数据文件这类数据文件中两个数据之间至少应当有一个空格，在数据的第一行保存有序列名，所以Eviews可以识别和转换它们。2、Excel/Lotus数据文件用户必须知道数据在数据表中的起始位置（默认值是B列第2行B2）B、生成新的序列通过公式，根据已有的序列生成新的序列。在公式中使用常规的数学符号来设定新序列，例如LGNP=LOG(GNP)。这个表达式的意义：新序列LGNP是旧序列GNP的自然对数值。欲得到新的序列，在工作文件的工具条上选择Genr，在打开的enterequation对话框中键入公式。例如：DM2=M2-M2(-1)seriesy=nrnd（生成均值为零，方差为1的标准正态分布随机数）seriesX=@INV(y)（对Y取倒数，1/y）X=(A-B/(H+K))^2LOW=INCOME1000orEDUC6LOW里赋的什么值？条件之一成立，LOW中赋1，否则赋0。C、命令法例如利用命令Datacaizheng，创建一个变量caizheng，然后再输入数据（四）怎样管理磁盘数据A、保存对象到磁盘通过选择对象窗口工具条上的Store按钮，可以将中的任何对象以磁盘文件的形式保存到磁盘上。每一种对象具有唯一的扩展名：.DBseries（序列）.DBEequations（方程）.DBMmatrix,vector,orcoefficient（矩阵，向量，或系数）.DBGgraph（图形）.DBRgroup（组）.DBTtable（表）.DBVvectorautoregression（向量自回归）.DBLmodel（模型）.DBSsystem（系统）B、从磁盘读取对象欲从磁盘上读取对象，用户可从主菜单上选择和点击Object和Fetch或工作文件窗口工具条上的Fetch，打开一个默认路径Open对话框。如果欲打开的对象不在这个目录中，可通过改变磁盘和目录找到要打开的对象。当其读取一个序列时，所有有效的数据都被加载到工作文件中，而不仅仅是当前样本限定的样本范围。（五）设定样本范围点击Quick—Sample，在对话框中输入要选择的样本的时间范围1、直接限定时间2、增加判断条件例如：在上侧窗口输入：7080(或者7080)在下侧窗口输入：caizheng800如果设定的样本范围分为两段，则在上侧窗口输入：70808385（六）季节数据（注：第六部分，季节数据的原理及操作，主要是针对Eviews6.0版本，而非5.0版本，5.0版本的讲解，在教材P25页）如果数据样本为季节数据，则常常要进行季节调整首先建立一个季节数据，通常时间频率为季度或者月度数据。然后利用Eviews进行季节调整。在序列窗口的工具栏中单击Procs/SeasonalAdjustment，有4种季节调整方法，X12方法、X11方法、Tramo/Seats方法和移动平均方法。一、CensusX12方法Eviews将美国国家调查局的X12季节调整程序直接安装到Eviews子目录中。X12是在X11的基础上发展而来的，包括X11季节调整方法的全部功能，并对X11方法进行了三方面修改：1、扩展了贸易日和节假日影响的调节功能，增加了季节、趋势循环和不规则要素分解模型的选择功能；2、新的季节调整结果稳定性诊断功能3、增加X12-ARIMA模型的建模和模型选择功能。调用X12季节调整过程CensusX12，X12方法有5种选择框1．季节调整选择（SeasonalAjustmentOption）①X11方法（X11Method）这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须伴随ARIMA说明）；②季节滤波(SeasonalFilter)当估计季节因子时，允许选择季节移动平均滤波（可能是月别移动平均项数），缺省是X12自动确定。近似地可选择(X11default)缺省选择。③趋势滤波（TrendFilter(Henderson)）指定亨德松移动平均的项数，可以输入大于1和小于等于101的奇数，缺省是由X12自动选择。④存调整后的分量序列名（ComponentSeriestosave）X12将加上相应的后缀存在工作文件中。2．ARIMA选择（ARIMAOption）X12允许你在季节调整前对被调整序列建立一个合适的ARMA模型。可以在进行季节调整和得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。①数据转换（DataTransformation）②ARIMA说明(ARIMASpec)允许你在2种不同的方法中选择你的ARIMA模型。a、Specifyin-line选择要求提供ARIMA模型阶数的说明（p，d，q）(P，D，Q)，缺省的指定是“(011)(011)”是指季节的IMA模型：L是滞后算子，这里季节差分是指季度数据时s=4；月度数据时s=12。b、SelectfromfileX12将从一个外部文件提供的说明集合中选择ARIMA模型。③回归因子选择（Regressors）允许你在ARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。④ARIMA估计样本区间(ARIMAEstimationSample)3．贸易日和节假日影响选择4．外部影响(OutlierEffects)5．诊断（Diagnostics）二、X11方法X-11法是美国商务部标准的调整方法(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。关于调整后的序列的名字。Eviews在原序列名后加SA，可以改变序列名，将被存储在工作文件中。应当注意，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。三、移动平均方法移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动。移动平均法可以分为：简单移动平均和加权移动平均。1、简单移动平均法简单移动平均的各元素的权重都相等。简单的移动平均的计算公式如下：Ft=(At-1+At-2+At-3+…+At-n)/n式中，Ft--对下一期的预测值；n--移动平均的时期个数；At-1--前期实际值；At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。2、加权移动平均法加权移动平均给固定跨越期限内的每个变量值以不同的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。加权移动平均法的计算公式如下：Ft=w1At-1+w2At-2+w3At-3+…+wnAt-n式中，w1--第t-1期实际销售额的权重；w2--第t-2期实际销售额的权重；wn--第t-n期实际销售额的权n--预测的时期数；w1+w2+…+wn=1在运用加权平均法时，权重的选择是一个应该注意的问题。经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的情况，因而权重应大些。例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力。但是，如果数据是季节性的，则权重也应是季节性的。四、tramo/Seatstramo(TimeseriesregressionwithARIMANoise,Missingobservation，andoutliers)用于估计和预测具有缺失观测值、非平稳ARIMA误差及外部影响的回归模型。它能够对原序列进行插值，识别和修正几种不同类型的异常值，并对工作日变化及复合节等特殊回归因素及假定为ARIMA过程的误差项的参数进行估计。Seats（signalextractioninarimatimeseries）是基于ARIMA模型来对时间序列中不可观测成分进行估计。上面两个程序往往联合起来使用，先用TRAMO对数据进行预处理，然后用SEATS将时间序列分解为趋势要素、循环要素、季节要素及不规则要素4个部分。（七）怎样估计和预测A、估计欲建立一个方程，从主菜单上选择Object/NewObject/Equation。用户可以估计最小二乘模型、两阶段最小二乘模型、Logit和Probit模型。用户还可以在估计方程中采用ARIMA和PDL（多项式分布滞后）选项。当其从主菜单上选择Object/NewObject/Equation后，将打开一个EquationSpecifi