EViews基础与季节调整操作.ppt

X-12-ARIMA季节调整的EViews 操作 国家统计 局核算司 江永宏 2010年3月4日 四川峨眉山 前言 v 最常用的季节调整方法 1. X-12-ARIMA 2. TRAMO-SEATS v 都可在EViews软件中实现 国家统计局正在开发基于X-12-ARIMA的季节调整软件 主要内容 v EViews基础 （EViews简介、数据处理基础、季节调整选项卡等） v 如何用EViews软件进行季节调整 （以一个实例介绍季节调整的操作步骤） EViews基础 v 什么是EViews EViews软软件是广泛使用的经济计经济计 量软软件之一 。它主要处理时间序列数据，是进行统计描述 、回归分析、时间序列分析等基本数据分析，以 及建立各种经济计 量模型的有力工具。因此， EViews在统计数 据分析和评价、金融分析、宏 观经济预测 、销售预测和成本分析等领域中有 着广泛的应用。 EViews基础 v EViews特点：交互式英文界面、简单简单 易学 在进行数据处理时，既可以通过点击菜单实 现，也可以通过提交命令来实现 。 v EViews窗口： 由如下五个部分组成：标题栏标题栏 、主菜单单、命令 窗口、状态栏态栏 、工作区。（见见下图图） 命令窗口 标题栏标题栏 工 作 区区 主菜单单 状态栏状态栏 EViews基础 其中，主菜单包括如下9个菜单 v File 有关文件的常规操作，如建立、打开、保存、关闭等 v Edit 通常提供编辑 功能，如对窗口内容进行复制、剪切、删除等 v Objects 提供关于对象的基本操作，如新建对象、复制对象等 v View 主要涉及变量的多种查 看方式 v Procs 主要涉及变量的多种运 算过程 v Quick 提供快速分析过程，包括常用的统计 分析方法、回归模型等 v Options 系统参数设 定选项 ，如窗口的显示模式、字体格式等 v Windows 提供关于窗口切换、关闭等操作 v Help EViews软件的帮助选项 EViews基础 v EViews工作文件： EViews要求数据的分析处理过程必须在特定 的工作文件（workfile）中进行，因此在录入和 分析数据前，应创建一个工作文件。 EViews基础 v 工作文件的创创建 从主菜单选择 File/New Workfile，打开 Workfile Create对话框，如下图所示 EViews基础 v 工作文件的属性 （描述具有固定频率的时间序列工作文件） EViews基础 v 工作文件窗口 工作文件窗口是各种类 型数据的集中显示区域，拥有很多功能。窗口 最上方显示工作文件名，下面一行是工具栏，提供各种运 算功能，再下 面显示的是数据的基本情况，包括数据区间 、样本期等 一个新建的工作文件窗口内只有两个对 象（object），分别是c(系数 向量)和resid（残差）。 EViews基础 v 什么是对对象？ EViews的核心是对对象，对象是指有一定关系 的信息或算子捆绑在一起供使用的单元，如一个 序列、一个矩阵、一个方程、一个图表等。 对象都放置在对象集合中，其中，工作文件就 是最重要的对象集合。 EViews基础 v 建立对对象 选择主菜单上的“Object/New Object”。出现New Object对话框（见下图）。 EViews基础 v 查查看对对象 可在文件窗口中双击某个对象，见下图。 EViews基础 v 序列数据的录录入 手动录入数据。在工具栏选择 Edit+/-按钮进入编辑 状态，用户可输入或修改序列观测值 。 调入已有的数据文件。用户可从主菜单选择 Procs/Improt/Read Text-Lotus-Excel,然后找到目 标文件进行读入。EViews允许调入多种格式的数据 ：ASCII，Excel工作表等。 直接复制。在工具栏选择 Edit+/-按钮进入编辑状态 ，然后再将数据从其他文件中拷贝粘贴过来 。 （演示） EViews基础 v 序列对对象的窗口 EViews基础 可以用EViews工作文件窗口菜单上的“View”或对象窗 口工具栏上的“View”来改变对象的视图。一个对象视 图的变化并不改变对象中的数据，仅仅是显示形式改 变了。 EViews基础 v 含多个对对象的工作文件窗口 EViews基础 v 工作文件的保存 保存工作文件可以在工具栏中单击Save按 扭，或从主菜单中选择File/Save或 File/Save As，在出现的Windows标准对话 框内选择 文件要保存的目录及文件名。 EViews基础 v 工作文件的保存 最后生成(*.wf1)工作文件 序列的季节调整操作 v 序列的季节调节调 整操作： 打开序列窗口，点击Proc 有4种季节调整方法，Census X12方法、X11方法 、 Tramo/Seats方法和移动平均方法。 序列的季节调整操作 Census X-12方法有5个选择选择 框，如下图图 v 季节调整选择设 定 （Sensonal Adjustment） v ARIMA选择 （ARIMA Options） v 交易日、节假日设定 （Trading Day/Holiday） v 离群值设定 （Outliers） v 诊断 （Diagnostics） 序列的季节调整操作 v 季节调节调 整选择设选择设 定 X11方法（X11 Method） 指定季节调整分解的形式：乘法、加法、伪加法、对数加法。注意乘法、伪加 法和对数加法不允许有零和负数。 季节滤节滤 子(Seasonal Filter) 当估计季节因子时，允许选择 季节移动平均滤波项数，缺省是X12自动确定 。 趋势滤趋势滤 子（Trend Filter (Henderson)） 当估计趋势 -循环分量时，允许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 。 保存调调整后的分量序列名（Component Series to save） 可在“Base name框”设置序列调整后的序列名。在下面的多选钮中选择 要保存的季节调整后分量序列，X12将加上相应的后缀存在工作文件中： 最终的季节调整后序列（SA）； 最终的季节因子（SF）； 最终的趋势循环因子（TC）； 最终的不规则因子（IR）； 季节交易日混合因子（D16）； 假日交易日混合因子（D18）； 序列的季节调整操作 v ARIMA 选择选择 数数数数据据转换转换转换转换 （Data TransformationData Transformation） 在配备ARMA模型前允许转换 序列。缺省是不转换 , Auto选择 是根据 计算出来的AIC准则自动确定是不做转换还 是进行对数转换 ； Logistic选择将 序列y转换为 log(y/(1-y)，序列的值被定义在0和1之 间；Box-Cox power选择 要求提供一个参数 ，然后再做相关转换 ARIMAARIMA说说说说明明(ARIMA Spec)(ARIMA Spec) 允许在2种不同的方法中选择 ARIMA模型。 1. Specify in-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(0 1 1)(0 1 1) p 非季节的AR阶数 d 非季节的差分阶数 q 非季节的MA阶数 P 季节AR阶数 D 季节差分阶数 Q 季节MA阶数 序列的季节调整操作 2. Select from file 选择 X12将从 一个外部文件提供的说明集合中选择 ARIMA模型。 EViews将利用一个包含一系列缺省模型指定说明的文件（X12A.MDL ）： (0 1 1)(0 1 1) * (0 1 2)(0 1 1) X (2 1 0)(0 1 1) X (0 2 2)(0 1 1) X (2 1 2)(0 1 1) Select best 检验 列表中的所有模型，选一个最小预测误 差的模型， 缺省是第一个模型。 Select by out-of-sample-fit 对模型的评价用外部样本误差，缺省 是用内部样本预测误 差。 回回归归归归因子因子选择选择选择选择 （RegressorsRegressors） 允许在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交易日和节 假日的影响。 序列的季节调整操作 v 交易日、节节假日设设定 可以在进行季节调 整和利用ARIMA模型得到用于季节调 整的向 前/向后预测值 之前，先去掉确定性的影响（例如节假日和交易日影响 ）。 首先要选择 （Ajustment Option）是否进行这项调 整？然后，要 确定在那一个步骤里调整：在ARIMA步骤，还是X-11步骤？ Trading Day Effects消除交易日影响有2种选择 ，依赖于序列是 流量序列还是存量序列。对于流量序列还有2种选择 ，是对周工作日 影响进 行调整还是对仅对 周工作日-周末影响进 行调整。存量序列仅 对月度序列进行调整，需给出被观测 序列的月天数。 Holiday effects 仅对 流量序列做节假日调整。对每一个节 日， 你必须提供一个数 ，是到这个节 日之前影响的持续天数。 Easter 复活节 Labor 劳动节 Thanksgiving 感恩节 Christmas 圣诞节 注意这些节日主要针对 西方国家，不能应用于其他国家。 序列的季节调整操作 v 离群值设值设 定 离群值影响的调整也是分别在ARIMA步骤和X11步 骤中进行的。 在ARIMA步骤中可进行4种离群值设定： 加性离群值（Additive Ouliers） 水平变化（Level Shift） 暂时变 化（Temportary Change） 斜线上升（Ramp Effects） 在X11步骤中只可进行1种离群值设定： 加性离群值（Additive Ouliers） 序列的季节调整操作 v 诊诊断 季节节因素的稳稳定性分析（Stability Analysis of Seasonals） Sliding spans移动间动间 距 检验 被调整序列在固定大小的移动样 本上的变化 Historical revisions 历历史修正 检验 被调整序列增加一个新观测值 ，即增 加一个样 本时的变化 其他诊断诊断 （Other Diagnostics） 可以选择显 示各种诊断输 出： Residual diagnostics 残残差诊断诊断 作为对 所配备的ARIMA模型的检验 ，报 告一个标 准的残差诊断 （例如自相关函数和Q-统计 量），注意这个选择 要求估计ARIMA模型，如果没有，则这个诊断 被应用于原始序列。 Outlier detection 外部探测测 利用指定的ARIMA模型自动地查出和报告外 部影响。这个选择 要求指定一个ARIMA模型或至少一个外生回归因子，假 如没有回归模型，这项选择 被忽略。 Spectral plot 谱图谱图 显示被调整序列和经修正后的不规则 序列的不同的谱 图。红色垂直点线是季节频 率，黑色垂线是节假日、交易日频率。如果这 些垂线刚 好落到谱图 的峰值上，意味着季节调 整不充分。 序列的季节调整操作 v X-12-ARIMA季节调节调 整的流程图图 reg ARIMA模型（前向预测 预测 ，后向预测预测 ，预调预调 整） 建模与与模型的比较较、诊断诊断 季节调节调 整（X-11增强版） 诊断诊断（包括历历史修正，平移（滚动滚动 ）检验检验 ，谱谱分 析，M1-M11，Q统计统计 量等） 序列的季节调整操作 v X-12-ARIMA季节调节调 整的流程图图 预处预处 理 （序列图形分析、模型选择 、离 群值、节假日等参数设 定） 执执行季节调节调 整 诊诊断分析结结果 序列的季节调整操作 v 用EViews软软件进进行季节调节调 整的操作步骤骤： 1.准备备一个用于季节调节调 整的时间时间 序列（GDP） 注意：序列需同口径（当月或当季）、不变价、足够长 度 2.在EViews中建立工作文件，导导入序列数据 3.序列图图形分析 观察序列中的是否有季节性、是否有离群值或问题值 、序列的趋势变动 （采 用加法还是乘法模型）。必要时，还要分析谱图和自相关图、偏相关图。 4.季节调节调 整参数设设定（五个选项 卡） 季节调整选择项 （模型分解方法、季节滤子、趋势滤 子、调整后的序列变量名 ） ARIMA模型参数（序列是否需要做转换、ARIMA说明） 交易节假日设定（不适用） 离群值设定 模型诊断（选上） 序列的季节调整操作 5.执执行季节调节调 整 6.查查看季节调节调 整后的结结果 查看序列的季节因子图形，比较原序列和经季节调 整后的序列 7.分析季节调节调 整的结结果诊诊断报报告 主要查看M1-M11、以及Q统计 量有没有通过检验 如果诊断报 告不好，返回第4步 8.导导出数据，在EXCEL中计计算环环比增长长率 序列的季节调整操作 v 实实例演示 序列：我国某个行业的季度不变价增加值(不妨该序列直接命名为 GDP) 序列长度为10年（2000年1季度至2009年4季度） 序列的季节调整操作 原序列的图形 序列的季节调整操作 参数设设定： v 季节调整选择设 定 （乘法模型,默认的季节滤 子和趋势滤 子,调整后序列前缀也命名 为GDP，并生成所有的序列） v ARIMA选择 （不做数据转换 ，ARIMA说明选为 默认的(0 1 1)(0 1 1)） v 交易日、节假日设定 （不选） v 离群值设定 （不选） v 诊断 （季节因素稳定性分析项选 移动间 距，其它诊断 分析项全选 ） 序列的季节调整操作 原序列的季节因子 序列的季节调整操作 原序列和季节调整后的序列 序列的季节调整操作 季节调整诊断报 告 序列的季节调整操作 如何查查看诊诊断报报告： 1、诊断报 告的内容（8部分） u 前言：执行季节调 整的设置文件等 u 输输出表A部分：序列数据 u 输输出表B部分：初步估计异 常值和日历效应（B1-B20） u 输输出表C部分：异常值和日历效应的最终估计（C1-C20） u 输输出表D部分：不同成分的最终估计（D1-D18） u 输输出表E部分：序列的变动 等（E1-E7） u 输输出表F部分：季节调 整质量的衡量 u 输输出表G部分：谱图 分析 序列的季节调整操作 输输出表B部分：初步估计异常值和日历效应 B1 - 原始序列或经过 先验调 整的原始序列 B2 - 趋势 -循环成分（TC）的初步估计 B3 - 未修正的季节-不规则 成分（SI）的初步估计 B4 - 替换季节-不规则 成分中的异常值 B5 - 季节成分估计 B6 - 估计季节调 整后的序列 B7 - 趋势 -循环成分（TC）估计 B8 - 季节-不规则 成分估计 B9 - 替换季节-不规则 成分中的异常值 B10 - 季节成分估计 B11 - 估计季节调 整后的序列 B12 不规则 成分估计 B13 估计月度数据的日度构成效应（交易日效应） B14 - 为回归交易日效应而排除异常值的不规则 成分 B15 - 初步回归交易日效应 B16 - 回归得到的交易日调整因子 B17 - 用于调整不规则 成分的初步权重 B18 - 组合交易日因素 B19 - 从原始序列中修正交易日效应 B20 调整不规则 成分中的异常值 序列的季节调整操作 输输出表C部分：异常值和日历效应的最终估计 C1 - 经先验调 整、交易日调整和异常值修正的原始序列 C2 - 趋势 -循环成分（TC）的初步估计 C4 - 修正的季节-不规则 成分（SI）的初步估计 C5 - 季节成分估计 C6 - 估计季节调 整后的序列 C7 - 趋势 -循环成分（TC）估计 C9 - 季节-不规则 成分估计 C10 季节成分估计 C11 - 估计季节调 整后的序列 C13 - 不规则 成分估计 C14 为回归交易日而排除异常值的不规则 成分 C15 - 最终回归交易日效应 C16 - 回归得到的交易日调整因子 C17 用于调整不规则 成分的初步权重 C18 - 组合交易日因素 C19 - 对原始序列进行交易日效应调 整 C20 - 调整不规则 成分中的异常值 序列的季节调整操作 输输出表D部分：不同成分的最终估计 D1 - 经先验调 整、交易日调整和异常值修正的原始序列 D2 - 趋势 -循环成分（TC）的初步估计 D4 - 修正的季节-不规则 成分（SI）的初步估计 D5 - 季节成分估计 D6 - 估计季节调 整后的序列 D7 - 趋势 -循环成分（TC）估计 D8 - 未修正的季节-不规则 成分估计 D9 - 替换季节-不规则 成分中的异常值 D10 季节因素的最终估计 D11 经交易日和季节调 整后的序列 D12 趋势 -循环成分的最终估计 D13 不规则 成分的最终估计 D16 - 多种季节和日历效应估计 D18 - 组合的日历效应因素 序列的季节调整操作 输输出表E部分：序列的变动等 E1 - 修正了非常异常值的原始