Eviewstimesspss时间序列分析

1、时间序列分析实验指导统计与应用数学学院随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学 提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必 须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素 质的综合协调发展。 为此，我们组织统计与应用数学学院的部分教师编写了系 列实验教学指导书。这套实验教学指导书具有以下特点： 理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实 际，有利于提高学生分析问题解决问题的能力。 理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB 、EVIEWS 等软件的使用方法，有利于

2、提高学生建立数学模型 并能正确求解的能力。这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验 室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷 心的感谢！限于我们的水平， 欢迎各方面对教材存在的错误和不当之处予以批评指正。统计与数学模型分析实验中心2007 年 2 月目录实验一 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

3、、EViews软件的常用菜单方式和命令方式；创建工作文件1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 0K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 (

4、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)。2.命令方式在EViews软件的命令窗口中直接键入CREATED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输入丫丫、X的数据1 DATA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：DATA 丫丫 X2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

5、 ，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)、XA2 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=XA2GENR X2=1/XGENR 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

6、,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RENAM对话框，点击YES按钮即可。 在工作文件窗口中删除、更名变量。1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2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 Obj

7、ects/Delete selected (Renameselected )，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利用PLOT命令绘制趋势图在命令窗口中键入：PLOT 丫丫也可以利用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 丫丫、X的变化趋势PLOT 丫丫 X利用SCAT命令绘制X、丫丫的散点图在命令窗口中键入：SCAT X 丫丫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-I960 年12月数据

8、1949年1950年1951年1952年1953年1954年1955年1956年1957年1958年1959年1960年111211514517119620424228431534036041721181261501801961882332773013183423913132141178193236235267317356362406419412913516318123522726931334834839646151211251721832292342703183553634204726135149178218243264315374422435472535714817019923026430

9、236441346549154862281481701992422722933474054675055596069136158184209237259312355404404463508101191331621912112292743063473594074611110411414617218020323727130531036239012118140166194201229278306306337405432(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：ge nr dx= 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：ge

10、 nr 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：ge nr dxs n= 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

11、列取 n 阶差分。在EVIEW防操作的图形分别为：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： 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： ViewCorrelogram ， 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1操作文件：Stpoor（美国S&P50C工业股票价格指数1980年

12、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。练习2：操作文件：（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

13、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。74-7879-8384-8889-9394-9516682820377058489281：1958300641076212203130934495677522343277497375392566351454528395列丫丫:生成新序data y(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

14、) 对该序列的自然对数取一阶季节差分，生成新的序列： dsln gdp=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】、多项式模型和加权最小二乘法的建立 ；1、我国19741994年的发电量资料列于表中，已知1995年的发电量为亿 千瓦小时，试以表中的资料为样本：(1)据拟合优度和外推检验的结果建立最合适的多项

15、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= W=时1992到1995年预测值以及相对误差。操作过生成新的时间趋势序列t : genr t=trend(1973) 建立系列方程：smpl CREATEA 19741995程：建立WORKFILE:1974 1994Is y c tIs y c t tA2Is y c t tA2 tA332826325111121324124931634414151617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=sqrA（21

16、-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：Is 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、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19962003年的人口数据如表，运用二次指数平滑法预测该镇2004年底的人口数（单位：人）。0.419961997199819992000200120022003114333115823117171118517 119850 121

17、121122389123626建立 WORKFILE : create U 1996 2004建立新序列丫丫和T:data y然后输入数值。genr t=tre nd（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。3、某地区19962003年农村用电量数据见表，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）。19961997199819992000200120022003建立 WORKFILE : create U 1996 2004建立新序列丫丫和T:data y然后输入数值。g

18、enr t=tre nd（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。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，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）123438436840136333636633156721222324252627463509474508412313233343536374474

19、834395145504895344142434445464741645150749356251525354398442428实验三 时间序列随机性和平稳性检验【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】一、本次练习主要操作文件为，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

20、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】练习 1. 操作文件： 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

21、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。练习 2：操作文件：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

22、结果。练习 3：操作方件：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 4：操作文件：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

23、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 5：操作文件：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。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 6：操作文件：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

24、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 时间序列季节性、可逆性检验【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】 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】练习一操作文件：，操作内容 ：一、（ 1）打开文件，依据EQX写出关于序列x的模型形式：Xt=+at（3

25、）写出用B算子表示的模型形式：（1 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（2） 依据EQX写出序列x的模型形式为：Xt= +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（2）依据EQX写出序列X的模型形式：Xt= at （3）写出用B算子表示的形式：Xt= （1 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 ）打开文件依据EQX写出序列X的模型形式：Xt= Xt-1 +at （3）写出用B算子表示的形

26、式：（1 Xt= （1 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，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，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。练习二操作文件： ，等。文件说明： （1）zl1wf1 各文件是教材后附录 III 所列资料，各数据背景参见 附录。（2）为我国19782001各年GDP数据。为我国19532001各年GDP旨数，即各年GDP发展速度数据。（ 3），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

27、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 期性的显着不为零（如月度数据的滞后 12期， 24期， 36期等自相关 函数显着不为零；季度数据的滞后 4， 8， 12， 16各期自相关函数显着 不为零）则可判断序列含有季节性。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

28、零均值化的方法：。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）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）。丫丫 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 mea n（x）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）1234r 562103789101

29、11991P 12213612P 345P 67228882321910111992r 121234567892908101119931211994233409456:733738910P 11121234P 567P 89101140911995121r 234567891011199612123199745678910r 1112实验五 ARMA模型的建立、识别、检验【实验目的】熟悉对零均值平稳序列建立 ARM模型的前三个阶段：模型识另I、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ARMAg型参数。对所建立的模型是否

30、为适应性模型进行诊断检验。【实验内容】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)。模型参数估计Eviews 建立ARMA!型的命令用到 ARMASARSMA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x建立ARMA (2,1)模型，(1) 命令操作方式为：Is x arar ma(1)(2) 菜单操作方式：Quick- Estimate equation，输入：x ar(1) ar ma,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

31、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 - CorrelogramQ 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着 （ 通过输出结 果中的t统计量值及相应的P值），对不显着的项，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

32、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 计量值越小的模型越好。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：in verted 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

33、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。in verted 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】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

34、(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：Is x ar(1) ar(4)诊断检验：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.模型中各项是否显着：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.

35、 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 ARMA 模型的诊断性检验【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 】(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？实验步骤】操作文件： 及其它具有实际背景的数据。 练习一 磨轮剖面数

36、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、 依据上述思路，请分别对，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、 操作文件：， , ，。(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、操作文件：，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 ARMA

37、 模型的预测实验目的】： (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。【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 】平稳时间序列模型预测操作文件： ( 1 )打开(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

38、框中， 选static,将预测结果存入mlpmfl序列中，单击0K。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 259smpl 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0K。观察 输出结果 mlpmf2。说明： Dynamic 为动态预测。注：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：) 操作步骤： (1)打开，(2)对序列dlog(gdp)建立ar(2)模型 操作命令： ls

39、 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 0K。(4)进行向前多步预测 操作命令： expand 1978 2005smpl 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。实验八复习ARM健模过程【实验目的】复习利用Eviews对时间序列建立ARM/模型的过程【实验内容】ARM/模型建模前的准备：判断序列是否平稳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转换为平稳方差非平稳序列通过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） 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） 模型参数估计a.在Eviews中估计ARM/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