应用时间序列分析EVIEWS-实验手册(1)

河南财经政法大学应用时间序列分析实验手册应用时间序列分析实验手册2目录目录..................................................2第一章Eviews的基本操作.................................3第二章时间序列的预处理..................................6一、平稳性检验.......................................6二、纯随机性检验....................................13第三章平稳时间序列建模实验教程.........................14一、模型识别........................................14二、模型参数估计....................................18三、模型的显著性检验.................................21四、模型优化........................................23第四章非平稳时间序列的确定性分析.......................24一、趋势分析........................................24二、季节效应分析....................................39三、综合分析........................................44第五章非平稳序列的随机分析.............................50一、差分法提取确定性信息.............................50二、ARIMA模型.....................................63三、季节模型........................................683第一章Eviews的基本操作TheWorkfile（工作簿）Workfile就像你的一个桌面，上面放有许多Objects，在使用Eviews时首先应该打开该桌面，如果想永久保留Workfile及其中的内容，关机时必须将该Workfile存到硬盘或软盘上，否则会丢失。（一）、创建一个新的Workfile打开Eviews后，点击file/new/workfile，弹出一个workfilerange对话框（图1）。图1该对话框是定义workfile的频率，该频率规定了workfile中包含的所有objects频率。也就是说，如果workfile的频率是年度数据，则其中的objects也是年度数据，而且objects数据范围小于等于workfile的范围。例如我们选择年度数据（Annual），在起始日（Startdate）、终止日（Enddate）分别键入1970、1998，然后点击OK，一个新的workfile就建立了（图2）。图24在workfile窗口顶部，有一些主要的工具按钮，使用这些按钮可以存储workfile、改变样本范围、存取object、生成新的变量等操作，稍后我们会详细介绍这些按钮的功能。在新建的workfile中已经存在两个objects，即c和residual。c是系数向量、residual是残差序列，当估计完一个模型后，该模型的系数、残差就分别保存在c和residual中。workfile窗口中主要按钮的功能：1.PROCS（处理）：Procs按钮包含sample（样本）、changeworkfilerange（改变工作簿范围）、generateseries（生成序列）、sortseries（对序列排序）、import（导入数据）、export（导出数据）六个功能，其中sample和generate已出现在workfile窗口顶部。sample（样本）的功能是改变样本的范围，但不能超过工作簿范围（workfilerange）。如果样本范围需要超过工作簿范围，先修改工作簿范围，然后再改变样本范围。例如点击proc/sample/OK，弹出一个对话框（图3），在上面空白处键入新的样本范围1980至1990，注意中间要空格，点击OK，这样样本范围改变了。图3changeworkfilerange（改变工作簿范围）功能是改变当前workfile的范围，其操作与样本范围的改变相似。一般是在模型建好后，外推预测时需要改变样本或工作薄范围。generateseries功能是在现有变量的基础上，生成新的变量。如点击proc/generate/OK或直接点击窗口顶部的GENR，弹出一个对话框。sortseries功能是对序列排序。Import功能是从其他软件中（如EXCEL）导入数据。Export功能与Import相反，是将Eviews数据输出到其他软件中，具体操作与Import相似。2、OBJECTS(对象)：该按钮功能主要是对Objects进行操作，包括新建、存取、删除、重新命名、复制等。点击Objects，出现下拉菜单，菜单中包含很多功能，其中一些功能以按钮形式出现在workfile窗口顶部，如fetch（取出）、store(存储)、delete(删除)。3、SAVE(保存)：5功能是将当前workfile保存在硬盘或软盘。如果是新建的workfile，会弹出一个对话框，需要指明存放的位置及文件名。如果是原有的workfile,不会出现对话框，点击SAVE，作用是随时保存该workfile。建议在使用Eviews时，应经常点击SAVE按钮，避免电脑出现故障，而丢失未能保存的内容。这里需要提醒的是，SAVE按钮与STORE按钮的区别。SAVE按钮保存的是整个workfile，而STORE存储的是个别Object。（二）、打开已经存在的workfile双击Eviews图标，进入Eviews主画面。点击File/New/Workfile/click，弹出对话框，给出要打开的workfile所在路径及文件名，点击OK，则所需的workfile就被打开。（三）、workfile频率的设定各种频率的输入方法如下：1、Annual：直接输入年份，如1998；若是20世纪内，则可只输入年份的后两个字，如98表示1998年。2、Semi-Annual：格式与Annual一样。3、Quarterly：年份全称或后两个字接冒号（或空格），再接季度，如1992:1（或19921），表示1992年第一季度。4、Monthly：年份全称或后面两个字接冒号（或空格），再接月度序号，如1990:1（或19901）。5、Daily：格式为“月度序号：日期：年份”，如9:2:2002表示2002年9月2日。6、Weekly：格式与Daily相似，也是“月度序号：日期：年份”，但这里的日期是某个星期的某一天，当给定起始日时，系统会自动推算终止日期。6第二章时间序列的预处理一、平稳性检验时序图检验和自相关图检验（一）时序图检验根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征。例2.1检验1949年——1998年北京市每年最高气温的平稳性1.在Eviews软件中打开案例数据图1：打开外来数据7图2：打开数据文件夹中案例数据文件夹中数据文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入图3：打开过程中给序列命名8图4：打开数据2.绘制时序图可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等图1：绘制散点图9图2：年份和气温的散点图33343536373839404150556065707580859095QW图3：年份和气温的散点图（二）自相关图检验10例2.2导入数据，方式同上；在Quick菜单下选择自相关图，对QW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。图1：序列的相关分析图2：输入序列名称图3：选择相关分析的对象11图4：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12图1：序列的单位根检验图2：单位根检验的方法选择13图3：ADF检验的结果：如图，单位根统计量ADF=-8.294675小于EVIEWS给出的显著性水平1%-10%的ADF临界值，所以不接受原假设，该序列是平稳的。二、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2.2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。14第三章平稳时间序列建模实验教程一、模型识别1.打开数据（某地区连续74年的谷物产量（单位：千吨））图1：打开数据2.绘制趋势图并大致判断序列的特征图2：绘制序列散点图15图3：输入散点图的变量图4：序列的散点图163.绘制自相关和偏自相关图图1：在数据窗口下选择相关分析图2：选择变量图3：选择对象17图4：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6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阶截尾拖尾MA（q）模型拖尾拖尾ARMA(p,q)模型具体判别什么模型看书58到62页的图例。18就是常数项）。表示的是求出来的系数（其中模型中的模型：）（模型：模型：)1(MA)1(arB*)P(ARB*)2(ARB*)1(AR1B*)q(MAB*)2(MAB*)1(MA1ARMAB*)q(MAB*)2(MAB*)1(MA1MAB*)P(ARB*)2(ARB*)1(AR11ARtP2q2tXtq2tXtP2tX二、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xcx(-1)或者xcAR(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。图1：建立模型19图2：输入模型中变量，选择参数估计方法图3：参数估计结果20图4：建立模型图5：输入模型中变量，选择参数估计方法21图6：参数估计结果t372564.011845441.0txBAR模型：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。