EVIEWS时间序列实验指导(上机操作说明)

时间序列分析时间序列分析 实验指导实验指导 4 2 0 2 4 50100150200250 NRND 数学与统计学院 目目 录录 实验一实验一 EVIEWSEVIEWS 中时间序列相关函数操作中时间序列相关函数操作 1 实验二实验二 确定性时间序列建模方法确定性时间序列建模方法 9 实验三实验三 时间序列随机性和平稳性检验时间序列随机性和平稳性检验 18 实验四实验四 时间序列季节性 可逆性检验时间序列季节性 可逆性检验 21 实验五实验五 ARMAARMA 模型的建立 识别 检验模型的建立 识别 检验 27 实验六实验六 ARMAARMA 模型的诊断性检验模型的诊断性检验 30 实验七实验七 ARMAARMA 模型的预测模型的预测 31 实验八实验八 复习复习 ARMAARMA 建模过程建模过程 33 实验九实验九 时间序列非平稳性检验时间序列非平稳性检验 35 1 实验一实验一 EVIEWSEVIEWS 中中时间序列相关函数操作时间序列相关函数操作 实验目的实验目的 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 实验步骤实验步骤 一 一 EViewsEViews 软件的常用菜单方式和命令方式软件的常用菜单方式和命令方式 创建工作文件创建工作文件 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 Start date 和终止期栏 End date 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 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 CREATE A 1985 1998 输入输入 Y Y X X 的数据的数据 DATA 命令方式 在 EViews 软件的命令窗口键入 DATA 命令 命令格式为 2 DATA 本例中可在命令窗口键入如下命令 DATA Y X 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 New Object 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 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 GENR LOGY LOG Y GENR LOGX LOG X GENR X1 X 2 GENR X2 1 X GENR T TREND 84 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 as Group 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 在工作文件窗口中删除 更名变量 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 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 Delete selected Rename selected 即可删除 更名 变量 3 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三 图形分析与描述统计分析 利用 PLOT 命令绘制趋势图 在命令窗口中键入 PLOT Y 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 PLOT Y X 利用 SCAT 命令绘制 X Y 的散点图 在命令窗口中键入 SCAT X Y 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二 各种常用差分函数表达式 表表 1 1 19491 1 1949 年年 1 1 月月 1960 1960 年年 1212 月数据月数据 19491949 年年 19501950 年年 19511951 年年 19521952 年年 19531953 年年 19541954 年年 19551955 年年 19561956 年年 195195 7 7 年年 19581958 年年 19591959 年年 19601960 年年 1112115145171196204242284315340360417 2118126150180196188233277301318342391 3132141178193236235267317356362406419 4129135163181235227269313348348396461 5121125172183229234270318355363420472 6135149178218243264315374422435472535 7148170199230264302364413465491548622 8148170199242272293347405467505559606 9136158184209237259312355404404463508 10119 133162191211229274306347359407461 11104114146172180203237271305310362390 12118140166194201229278306306337405432 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 genr dx D x 则生成的新序列为序列 x 的一 阶差分序列 4 2 在命令窗口中键入 genr dxn 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 genr dxs 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 genr dxsn 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 genr dlx 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 genr dlxsn 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 150 100 50 0 50 100 495051525354555657585960 DX 150 100 50 0 50 100 150 495051525354555657585960 DX2 20 0 20 40 60 80 495051525354555657585960 DX12 40 20 0 20 40 60 495051525354555657585960 DX121 0 3 0 2 0 1 0 0 0 1 0 2 0 3 495051525354555657585960 DLX 5 三 时间序列的自相关和偏自相关图与函数三 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 观察时间序列的自相关图 命令方式 1 在命令行输入命令 Ident x 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 Partial autocorrelation 的特征 练习练习 1 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 genr dsp 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 genr dlnsp dlog stpoor 并观察其趋势图 自相关图 0 15 0 10 0 05 0 00 0 05 0 10 0 15 495051525354555657585960 DLX121 6 7 8 练习练习 2 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 Genr dgdp 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 Genr dlngdp 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 实验二实验二 确定性时间序列建模方法确定性时间序列建模方法 实验目的实验目的 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 实验步骤实验步骤 一 多项式模型和加权最小二乘法的建立一 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 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 9 操作过程 操作过程 建立 WORKFILE CREATE A 1974 1995 生成新序列 Y data y 生成新的时间趋势序列 t genr t trend 1973 建立系列方程 smpl 1974 1994 ls y c t ls y c t t 2 ls y c t t 2 t 3 74 7879 8384 8889 9394 95 16682820377058489281 195830064107621210077 26 2031309344956775 2234327749737539 2566351454528395 10 11 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 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 genr m sqr 0 6 21 t 加权最小二乘法的命令方式 ls w m y c t 普通最小二乘法命令方式 ls y c t 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 sample range for forecast 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 12 13 二 单参数和双参数指数平滑法进行预测的操作练习二 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 4 0 199619961997199819992000200120022003 11433 3 11582 3 11717 1 11851 7 11985 0 12112 1 122389123626 建立 WORKFILE create U 1996 2004 建立新序列 Y 和 T data y 然后输入数值 genr t trend 1995 打开 y 序列 点击 exponential smoothing 按纽 出现如图所示对 话框按照图示选项点击确定即可 14 15 16 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 199619961997199819992000200120022003 844 5963 21106 9 1244 81473 91655 71812 71980 1 建立 WORKFILE create U 1996 2004 建立新序列 Y 和 T data y 然后输入数值 genr t trend 1995 打开 y 序列 点击 exponential smoothing 按纽 出现如图所示对 话框按照图示选项点击确定即可 17 三 二次曲线和对数曲线趋势模型建立及预测三 二次曲线和对数曲线趋势模型建立及预测 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 1234567 328263251241249316344 11121314151617 384368401363336366331 21222324252627 397 31463509474508458 94412 31323334353637 447483439514550489534 41424344454647 416451486 2507458 99493562 51525354 398442404 55428 18 实验三实验三 时间序列随机性和平稳性检验时间序列随机性和平稳性检验 实验目的实验目的 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 实验内容实验内容 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 实验步骤实验步骤 练习练习 1 1 操作文件 操作文件 ar1 wf1ar1 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 19 练习练习 2 2 操作文件 操作文件 ar2 wf1ar2 wf1 说明 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 操作内容 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 练习练习 3 3 操作方件 操作方件 ma1 wf1ma1 wf1 说明 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 操作内容 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 提示 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 练习练习 4 4 操作文件 操作文件 ma2 wf2ma2 wf2 说明 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 操作内容 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 提示 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 2 分别打开 EQX EQY 写出对 x y 的估计结果 练习练习 5 5 操作文件 操作文件 ARMA11 wf1ARMA11 wf1 说明 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 20 操作内容 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 提示 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 练习练习 6 6 操作文件 操作文件 ARMA21 wf1ARMA21 wf1 操作内容 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 提示 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 实验四实验四 时间序列季节性 可逆性检验时间序列季节性 可逆性检验 实验目的实验目的 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 实验步骤实验步骤 练习一练习一 操作文件 操作文件 ar1 wf1ar1 wf1 ar2 wf1ar2 wf1 ma1 wf1ma1 wf1 ma2 wf1ma2 wf1 arma11 wf1arma11 wf1 arma21 wf1arma21 wf1 操作内容操作内容 21 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 说明原因 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 3 写出用 B 算子表示的形式 Xt 1 0 82B at 4 判断模型是否可逆 说明原因 5 写出该模型的逆转形式 四 1 打开文件 arma1 wf1 2 依据 EQX 写出序列 X 的模型形式 Xt 0 92 Xt 1 at 0 57at 1 3 写出用 B 算子表示的形式 1 0 92B Xt 1 0 57B at 4 判断模型是否平稳 是否平稳 说明原因 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 练习二练习二 22 操作文件 操作文件 zl1 wf1 zl20 wf1zl1 wf1 zl20 wf1 gdp wf1gdp wf1 gdpindex wf1gdpindex wf1 stpoor wf1stpoor wf1 usagnp wf1usagnp wf1 等 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 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 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 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 Scalar m mean x Genr y 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 23 Y 为对 x 零均值化后的序列 当然 上述命令也可简化为 Genr y x mean x 习题三 习题三 用自相关分析图识别 1990 年 1 月至 1997 年 12 月我国工业总产值的月度时间 序列及其自然对数的平稳性 并说明理由 若不平稳试绘制自然对数序列的一 阶逐期差分和一阶季节差分后的我国工业总产值序列的相关分析图 1990 年 1 月至 1997 年 12 月我国工业总产值 单位 亿元 年月数据 199011421 4 21367 4 31719 7 41759 6 51795 7 61848 1 71637 3 81670 9 91760 1 101789 5 111888 6 121981 4 199111757 8 21485 7 31893 9 41969 8 52033 7 62103 71836 3 81914 7 92022 2 102045 1 112069 2 24 122136 199211984 2 21812 4 32274 7 42328 9 52373 1 62515 8 72288 82321 92441 1 102502 6 112608 8 122823 8 199312179 1 22408 7 32869 4 42916 7 53022 1 63274 5 72862 9 82864 2 92908 102911 8 113101 3 123664 3 199412903 3 22513 8 33409 43499 5 53642 6 63871 4 73373 83463 4 93663 74 103753 38 113973 17 124469 02 199512996 7 25 22740 3 33580 9 43746 3 53817 9 64046 6 73483 9 83510 6 93703 1 103810 7 114091 124650 799 199613476 6 22970 3 33942 6 44067 6 54746 899 64417 299 73806 8 83746 3 94011 1 104129 6 114372 899 124991 5 19971 3843 84 23181 26 34404 49 44520 18 54638 99 64969 93 74146 899 84198 7 94536 839 104718 91 115034 939 125545 74 26 实验五实验五 ARMAARMA 模型的建立 识别 检验模型的建立 识别 检验 实验目的实验目的 熟悉对零均值平稳序列建立 ARMA 模型的前三个阶段 模型识 别 模型参数估计 诊断检验 1 根据时间序列自相关图对零均值平稳序列进行初步的模型识别 2 运用 Eviews 软件估计 ARMA 模型参数 对所建立的模型是否为适应性模型进行诊断检验 实验内容实验内容 模型识别模型识别 根据零均值平稳化后的序列的自相关函数和偏自相关函数表现出的特征 对序列进行初步的模型识别 注 这种方法并不总是有效 27 模型参数估计模型参数估计 Eviews 建立 ARMA 模型的命令用到 AR MA SAR SMA 等参数项 其中 SAR SMA 两参数在建立季节性时间序列模型时要用到 例如 对一个零均值的平稳序列零均值的平稳序列 x 建立 ARMA 2 1 模型 1 命令操作方式为 ls x ar 1 ar 2 ma 1 2 菜单操作方式 Quick Estimate equation 输入 x ar 1 ar 2 ma 1 OK 以上述操作方式建模时 Eviews 自动采用非线性最小二乘法估计模型参 数 模型的诊断检验 模型的诊断检验 1 判断模型是否为适应性模型 判断模型是否为序列的适应性模型 主要根据模型残差是否为白噪声来判 断 若残差是白噪声 则可认为此模型是序列的适应性模型 否则 不是 Eviews 操作 在模型窗口 View Residual tests Correlogram Q statistics 根据输出的残差的 Q 统计量判断残差是否为白噪声序列 2 模型中各项的取舍 若建立的模型为适应性模型 还要看输出项中各变量是否显著 通过输出 结果中的 t 统计量值及相应的 P 值 对不显著的项 要剔除 然后重新建模 3 模型的选择 定阶 对于同一个序列来说 可能有多个适应性模型 要从这多个适应性模型中 选择 通常根据多个模型输出项中的赤池信息准则 AIC Akaike info criterion 和施瓦茨准则 SBC Schwartz Bayes criterion 进行比较 一般 认为这两个统计量值越小越小的模型越好越好 28 4 模型平稳性和可逆性的判断 判断模型是适应性模型后 还应判断模型是否平稳和可逆 判断方法如下 模型输出结果最下方输出的两项 AR inverted root 如果有的话 和 MA inverted root 如果有的话 其含义分别为 inverted AR root 为模型自回归 AR 部分所对应的差分方程的特征方程 的特征根 若特征根的绝对值都小于 1 则说明模型是平稳的 若其中有大于 或等于 1 的 说明模型非平稳 若有等于 1 或很接近于 1 的 说明原序列为单 位根过程 需要先对序列进行差分平稳化变换 有几个单位根 作几阶差分变 换 然后建模 inverted MA root 为模型移动平均 MA 部分所对应的差分方程的特征方 程的特征根 若特征根绝对值都小于 1 则说明模型是可逆的 若有大于或等 于 1 的 说明模型不可逆 若有等于 1 或很接近于 1 的 则很有可能在数据处 理过程中 对原序列过度差分了 这时需要减少对序列差分的阶数 再重新建 模 实验步骤实验步骤 练习一练习一 操作文件 参见上机 3 练习一 操作内容 打开一个文件 如 arma2 wf1 1 选取一个序列 如 x 判断序列是否为平稳 均值是否零均值平稳序列 本例略 2 观察该序列自相关图 根据自相关函数滞后二阶截尾 偏自相关函数表 现为拖尾 初步判断模型阶数 AR 2 3 建模 ls x ar 1 ar 2 4 诊断检验 29 a 模型是否为序列的适应性模型 检验模型残差是否为白噪声 b 模型中各项是否显著 用各变量的 t 检验值及相应的 p 值 c 模型选择 先记下拟合的 ar 2 模型的 AIC 和 SBC 再拟合其它模型如 ARMA 2 1 记下输出的 AIC 和 SBC 比较上述结果 看哪个更小 d 判断模型是否平稳 看 inverted AR root 是否小于 1 练习二练习二 操作文件 参见上机 3 练习二 操作内容 打开一个文件 1 选取一个序列 判断序列是否平稳 均值是否为零 若否 应先将序列 转化为零均值平稳序列 转化方法见以前上机实习内容 2 4 同上 实验六实验六 ARMAARMA 模型的诊断性检验模型的诊断性检验 实验目的实验目的 通过练习 进一步熟悉建模步骤 模型识别 参数估计 诊断 检验 适应性检验 模型定阶等 实验内容实验内容 1 三个模型是否都为适应性模型 2 哪个模型更佳 3 三个模型中均包含了常数项 其与序列均值有何关系 4 各个模型的估计中 实际用到的观察值的个数分别为多少 30 实验步骤实验步骤 操作文件 操作文件 zl1 wf1 zl20 wf1 及其它具有实际背景的数据 练习一练习一 zl14 wf1 磨轮剖面数据 见附录 操作步骤 1 判断序列 mlpm 是否平稳 均值是否为零 2 根据自相关图 进行模型识别 3 建立模型 ls mlpm c ar 1 ar 2 4 模型诊断检验 看此模型是否合适 5 再分别建立两个模型 且重复上述步骤 ls mlpm c ma 1 ma 2 ls mlpm c ar 1 ma 1 练习二 练习二 依据上述思路 请分别对 zl17 wf1 zl18 wf1 gdpindex wf1 等文件进行操作 该组文 件中的数据本身为平稳数据 练习三 练习三 操作文件 zl1 wf1 zl3 wf1 zl4 wf1 zl5 wf1 zl19 wf1 gdp wf1 stpoor wf1 该组文件中的数据均 非平稳 建模前需先作适当变换 练习四 练习四 操作文件 zl2 wf1 zl11 wf1 zl20 wf1 usagnp wf1 等 该组文件中的数据均含有季节性 建模前需作适当变换 实验七实验七 ARMAARMA 模型的预测模型的预测 实验目的实验目的 1 进一步熟悉 ARMA 模型建模过程 2 利用 ARMA 模型进行预测 预测说明 Eviews 中有两种不同的预测处理方式 Dynamic 动态 和 Static 静态 熟悉对零均值平稳序列建 立 ARMA 模型的前三个阶段 模型识别 模型参数估计 诊断检 验 31 实验内容实验内容 平稳时间序列模型预测 非平稳时间序列模型的预测 实验步骤实验步骤 平稳时间序列模型预测平稳时间序列模型预测 操作文件 操作文件 zl14 wf1 1 打开 zl14 wf1 2 对序列 mlpm 建立 AR 2 模型 操作命令 ls mlpm c ar 1 ar 2 3 进行追溯预测 操作 在 Equation 窗口 选 Forecast 菜单 在出现的对话框中 选 static 将预测结果存入 mlpmf1 序列中 单击 OK 观察输 出结果 mlpmf1 说明 static 为一步超前预测 4 进行向前多步预测 操作命令 expand 1 259 smpl 251 259 然后在 Equation 窗口 选 Forecast 菜单 在出现的对话框中 选 Dynamic 并将预测结果保存在 mlpmf2 序列中 单击 OK 观察输出结果 mlpmf2 说明 Dynamic 为动态预测 注 S E 用于存放预测的估计标准误差 便于计算置信区间 非平稳时间序列预测 操作文件 非平稳时间序列预测 操作文件 gdp wf1 操作步骤 1 打开 gdp wf1 2 对序列 dlog gdp 建立 ar 2 模型 操作命令 ls dlog gdp ar 1 ar 2 3 进行追溯预测 打开 forecast 对话框 选 forecast of gdp 选 static 预 测结果保存在 gdpf1 中 单击 OK 32 4 进行向前多步预测 操作命令 expand 1978 2005 smpl 2002 2005 打开 forecast 对话框 选 forecast of gdp 选 dynamic 预测结果保 存在 gdpf2 中 单击 OK 观察输出结果 实验八实验八 复习复习 ARMAARMA 建模过程建模过程 实验目的实验目的 复习利用 Eviews 对时间序列建立 ARMA 模型的过程 实验内容实验内容 ARMA 模型建模前的准备 判断序列是否平稳 33 a 通过序列自相关图 趋势图等进行判断 b 若序列不平稳 均值非平稳序列通过差分变换差分变换转换为平稳 方差非平稳序列通过对数变换等对数变换等转化为平稳序列 c 模型平稳化以后 将序列零均值化 1 1 模型识别模型识别 主要通过序列的自相关函数 偏自相关函数表现的特征 进行初步的模型识别 2 2 模型参数估计模型参数估计 a 在 Eviews 中估计 ARMA 模型的方法 b 估计模型以后要能写出模型的形式 差分方程形式和用 B 算子表示