平稳时间序列模型

1、 实验八：平稳时间序列模型 湖北文理学院 湖北襄阳 信息1411王茂林12.71.输入数据选择第一项create a new Eviews workfile,建立一个新的工作表。或者关掉这个窗口点击【File】【New】【workfile】，选择(Monthly)，输入数据的开始2005:1，结束2008：4，然后输入data cpi回车得到名字为cpi的表，输入数据即可。2. 画时序图点击【Quick】-【Graph】，如下图所示：可以看出数据不是平稳的，为了快速平稳，可以先对数据取对数得到新的序列，在主表对话框中输入series cpi1=log(cpi)，可以得到取自然对数后的新序列，时

2、序图如下：新的序列仍然不平稳，但是上升趋势变得平缓，这个时候选择一阶差分，在主表对话框中输入series cpi2 =cpi1-cpi1（-1）得到新的序列，如下图所示:一阶差分后序列还是不平稳，选择再次差分,输入series cpi3 =cpi2-cpi2(-1)，得到下图初步看来二阶差分后数据平稳。3.这组数据不是零均值，所以还要计算均值。在数据cpi3中点击【View】-【Descriptive Statistics&Tests】-【Histogram and Stats】直方图和统计量。如下图所示：4.我们需要零均值的平稳序列，所以现在的序列需要减掉均值得到新的序列建模。即输入

3、series cpi4=cpi3+0.000463如下图所示得到新的数据、时序图、直方图和统计量：5.计算自相关系数和偏自相关系数，选择【Correlogram】,【View】和【Qiuck】下都有这个选项，都可以使用，默认选择level，下面的数字代表要计算滞后阶数。然后确定，表格的第一列和第二列分别是自相关系数和偏自相关系数的取值，后面第三列和第四列分别是它们的数值，第五列和第六列是相应的统计量和概率。第一二列中在虚线内，可以认为系数为0。6.看图分析建模由上图可以看出，k=11,自相关系数和k=2的偏自相关系数为峰值，此后均为拖尾。所以建立ARMA（11,2）模型和ARMA（2,2）模型

4、。先建立ARMA（2，2）模型，即最小二乘估计，在主表框中输入ls cpi4 ar(2) ma(2)，得到下图：再建立ARMA（11，2）模型，在主表框中输入ls cpi4 ar(11) ma(2)，得到下图：对比两个模型，可以看出ARMA（11,2）的R-squared和Adjusted R-squared比ARMA（2,2）更接近1，因此拟合度更好；P值也显著的小于0.05，说明系数作用明显；AIC和SBC也更小，这两个数值越小越好；DW值也更接近2，代表残差序列不存在自相关关系。从每个指标都可以看出模型ARMA（11，2）最好，因此选择ARMA（11，2）模型，模型方程为：cpi4 =

5、0 + ar(11)=0.592456955469,ma(2)=-0.311432414251,backcast=2006m02,estsmpl="2006M02 2008M04"*12.8年份实际利用外资进出口总额198519.65696198622.44738.5198723.14826.5198831.941027.9198933.921116.8199034.871154.4199143.6613571992110.081655.31993275.1519571994337.672366.21995375.212808.61996417.261898.8199745

6、2.573251.61998454.633239.51999403.193606.32000407.154742.92001468.785096.52002527.436207.72003535.058509.882004606.311545.52005603.2514219.12006630.2117603.962007747.6821737.262008923.9525632.55首先看时序图：从图中看出，进出口和实际利用外资的图形一直上升，所以要对进出口进行处理：首先考虑取对进出口数据取对数：下面是对实际利用外资取对数：从对数后的图形看，两个数据还是不平稳，所以再对对其分别进行一阶差分：

7、下面是实际利用外资进行一阶差分：下面是对进出口一阶差分：从一阶差分后的图形可以看出，趋势于平稳，但是实际利用外资数据不平稳，要对其二阶差分：现在两个数据都可以做模型了。首先建立VAr模型：点击quick-VAR ，这时候要选择实际利用外资，一阶差分后的进出口贸易总额为内生变量滞后阶为2，然后点击view-然后进行阶数二次确认：通过本图，我们可以知道，当滞后2阶后的“*”最多，说明原来的VAR模型滞后阶正确，现在不需要重新做一次所以建立VAR（2）模型如下：Estimation Proc:=LS 1 2 YIJIECHAFEN DD2JIE C VAR Model:（VAR模型）=YIJIECH

8、AFEN = C(1,1)*YIJIECHAFEN(-1) + C(1,2)*YIJIECHAFEN(-2) + C(1,3)*DD2JIE(-1) + C(1,4)*DD2JIE(-2) + C(1,5)DD2JIE = C(2,1)*YIJIECHAFEN(-1) + C(2,2)*YIJIECHAFEN(-2) + C(2,3)*DD2JIE(-1) + C(2,4)*DD2JIE(-2) + C(2,5)VAR Model - Substituted Coefficients:（自回归模型）=YIJIECHAFEN = - 0.498628118121*YIJIECHAFEN(-1)

9、- 0.150271313407*YIJIECHAFEN(-2) + 0.0284513150982*DD2JIE(-1) + 0.297638577983*DD2JIE(-2) + 0.267285750219DD2JIE = - 0YIJIECHAFEN(-1) - 0.26155133859*YIJIECHAFEN(-2) + 0.125173474111*DD2JIE(-1) - 0.446227640878*DD2JIE(-2) + 0.0555182524501这是滞后2阶的结果，接下来看脉冲响应，点击本窗口的view-选择impulse Response

10、脉冲响应函数以及分析：从图可以看出，来自进出口总额的一个标准差大小的随机扰动对进出口总额的影响在第4期衰减到0，对实际利用外资的影响在第6期衰减到0；来自实际利用外资的一个标准差大小的随机扰动对进出口贸易总额的影响在4期持续靠近0；对实际利用外资的影响从第7期衰减到0。接下来做方差分解：在VAR模型窗点击view-Variance Decomposition出现的窗口选择要图形还是表格：下面四个分别表示：自身冲击，其他变量冲击所构成的贡献率，从而了解各变量冲击对模型内生变量的相对重要性（1） 来自进出口总额对自身冲击对其自身变化的相对贡献度在第一期为100%，经过5期以后，稳定在83%。（2） 来自进出口的冲击强度对利用外资的总变化的相对贡献度在第一期为0；经过5期以后。对利用外资变化的相对贡献度稳定在85.53%（3） 来自利用外资的冲击强度对进出口变化的相对贡献率第一期为10.37%，经过6期以后，对进出口变化的