用EVIEWS处理时间序列分析

1、v1.0可编辑可修改应用时间序列分析实验手册11v1.0可编辑可修改目录2第二章时间序列的预处理3一、平稳性检验3二、纯随机性检验11第三章平稳时间序列建模实验教程12一、模型识别12二、模型参数估计17三、模型的显著性检验20四、模型优化22第四章非平稳时间序列的确定性分析23一、趋势分析23二、季节效应分析40三、综合分析45第五章非平稳序列的随机分析51一、差分法提取确定性信息51二、ARIMAH型65三、季节模型7022v1.0可编辑可修改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

2、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检3叙1964年1999年中国纱年产量序列的平稳性1.在Eviews软件中打开案例数据图1:打开外来数据33v1.0可编辑可修改44Open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Colw headersHeader1MenderCesrEdited Colmmn Infoyearoutput普之二二,r工总35378005工111121964196519fi19S71968196919701971取消I上1步电）|上一生I完成I图3:打开过程中给序列命名v1.

3、0可编辑可修改图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选才SScatter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55v1.0可编辑可修改图1:绘制散点图工川! 斗nr出后 Graph: OWnfLED IflTJefile:附录I 一八IIttm t 3d 巨回区|Va»m Prh hiFTtl Prrt假引巾：口日力尸竹馆户卜pjfwvp 1巨由用。时1门下：ZnimRange; 19,Sample; 1 九4u o- o D DM 卿40* * u-dl一己guJj,p|1'MD1)70的。0IMOH 端F*h =

4、 e：UI =w WF = PHSi 2图2:年份和产出的散点图66v1.0可编辑可修改19601970198019902000YEAR图3:年份和产出的散点图（二）自相关图检验例导入数据，方式同上；在Quick菜单下选择自相关图，对Qiwen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。77v1.0可编辑可修改Opti eiis Tiinlo* HelpSmpls.3-eLrale SEiies.Stcw .Jftut Katt rest.取：nr rc丐 i 葡 Fimnoi hi ngH& ix ihrFre s <£i Ltcxr.

5、Hi zicgtr-UTi goiW £|：.五ruLkfile:附录 L4phEuwGmp ®唁5)i Vievn i =roi Object Range: 194319J8SCEsUmale| Sample 用49 1%8乱船打m，” R四！口 II 39 6Fath ="r I DI = nu W = PS#1. i图1:序列的相关分析图2:输入序列名称翩EVisFlitEliIOlsject/a«wIros88图2:选择相关分析的对象v1.0可编辑可修改图3: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.

6、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%勺显著性水平，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99v1.0可编辑可修改1011FVIptpr5prlF?!T：OITTPTTTTnrkfilP：附录I.八"nTi+13Fil-aEditOlj&#

7、171;elViwFree叫cc。5心出四口£修惬引jw|weQuickQ在ti皿z上irwkwI-ILastupd湘汽匚NameM醐醺charQFdTfcrnrltrnqi'-1-|可庠列Sojipla,.iererateSeries.Shew.勺钞h-rajiyUr-up®li<Seri.t3J15rl叱上labelt*刷tfe+Hjns刚E*二亭19641965产而97.U13C0I印;前夕皿nsZsij.ma.1eEcua.tiZetamat&TAKIE一匹5197997L-Irba-rifL-n无376C四q-匹而11121111974197

8、519"197818L.321c01出uN0K?1970Tfln图1：序列的单位根检验UnitKootTestMi±tomi皿aStetstojpreli)or3iiVe.1t空口*1Test.EfOTiantifil£n力uthiNg：Madrizk-IreECisttFiltei.?|X图2:单位根检验的方法选择v1.0可编辑可修改图3:ADF检验的结果：如图，单位根统计量ADF甯B大于EVIEWS合出的显著性水平1%-10%的ADF临界值，所以接受原假设，该序列是非平稳的。、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。例的自相关图中有Q统计量，

9、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。1111v1.0可编辑可修改第三章平稳时间序列建模实验教程一、模型识别1 .打开数据加*A".”CL区IE.1K-iitQ,t-j«et山Hr-awy1sekDjt-ius1d1OJ-s5y214u0 4TID3717Bm 中冷暗田*。334obe'TENl口口匚MlIIIdbgvEAkLXKllSortF-'c-'-.IarZ"：白|Edit+fSrtp-f-Mnsdtri-niir：盯iITLfcLI，tc-rf

10、cflie:时品I.七nted石丘正1匕8;三：rt.F|lF*Ut.lDEIEMM1HTMJL1.9图1:打开数据2 .绘制趋势图并大致判断序列的特征1212v1.0可编辑可修改1314爸E*emirateSeirieS5M*C-iuWj;tilfir口町上写士J.5*iniite-Eqii后士i*nEstinbleEh氏.&XlfuLxllcil包.LEmgk谢iSr4tt«rUln国PHMobpeMPmraE|Haie|户-七*|Det-aut.igartlfraftpMe：|ait+/49ri(piHmBD亡b息obe_1笑口151:?：2,19541IN行XGM,&

11、#39;19S019I96019611962侬HJ2(fcSSTMTOGrUH也中X0IDQCX|01h-on36o13HM777旧77总777R2J46i09o12eIDIEI5l56le石I6I9E9yn3939。9H911111T1-11-1di"haIIBMMJWPn-f-Lr.图2:绘制序列散点图Serie%ListQK|Cancel图3:输入散点图的两个变量v1.0可编辑可修改1414图4:序列的散点图3 .绘制自相关和偏自相关图v1.0可编辑可修改1516QlM小玄5J1*fU.ci«lcSi'i«i.fw*.GlmJiEfiRIYrfL&#

12、39;4»G人上£SeriesSt*tLtl"sEi£tc£nw«dSlatsCrct£Sttlistics*Igwirelo券Istinfctc>>EqgtinmVn:tILoatT-ist.£stinale艺曲.£x7ar-cntialSboq匕uilc.刖此|展曰可b|refautwModrick-rr«zcattJiilnr.TE雨二bsct?5的恒垣W63：CG可"h1知19S2T®3YLAH19G0的D：JCXS35J1962jo1963?&3

13、刃下1史41966的=06?36195721珏1919501951田171473C7HH的41962<>l二图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v1.0可编辑可修改图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do本例：自相关图显示延迟3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

14、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1616v1.0可编辑可修改Q阶截尾拖尾MA(q)模型拖尾拖尾ARMA(P,Q膜型AR模型：XtMA模型：XtARMA 模型：Xt1z zz Z 2Z "" Pp t1 AR(1)*B AR(2)*B AR(P)*B(1

15、 MA(1)*B MA(2)*B2MA(q)*Bq) t1 MA(1)*B MA(2)*B2 MA (q)* BqZ Z Z "" -2Z _Z _ p t1 AR(1)*B AR(2)*BAR (P) * B具体判别什么模型看书58到62的图例。1718(其中模型中的ar(1)MA表示的是求出来的系数。就是常数项)、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ESTIMAT计按顺序输入变量cxccx(-1)或者cxcar选才iLS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

16、为截距项；后者白CC则为序列期望值，两个常数的含义不同。图1:建立模型v1.0可编辑可修改图2:输入模型中变量，选择参数估计方法图3:参数估计结果1818v1.0可编辑可修改图4:建立模型图5:输入模型中变量，选择参数估计方法1919v1.0可编辑可修改2020解ETievs01bfirocRuiQOi(ian.s丈lnM*laljEviotion;IDUHLEPlorHilc;附录LgHntvU"_lr：fx|*ntlHaffl白|F帕蚯。|网也建|£封即aaj3a号|r电阻臬DependentVariatla;CXNfcThDd：L,mstScum用白口琥曰：g/1予0

17、8T#i敬M;44Sample(扁u*tem19611990In-ludeddtmakcinsaftelsdjllslnwlitCjrivrytriLw*JiutMu1yp3kwrti'.dBMarcbie；oefficenfSd.ErrorbStrtisticroD.Cai-3333J1576277d1,1d825O.DO0C1“D.7D3332OilMGSC5.731E7o.coooRrqu白峰diu%MMndependent丫司，中4LG工AJljuis但dR-iquanvEl04BWBSDil叩机itknlv*r5RZ?73E.f中酒”而4。比罚3qkaiksinfocritv

18、rian5.68D2e&Sjm皿网期rccd757.6939ScTWinicriicriin67S6265L叫iheltind-13A,3269F*日Mn451印31i'ijrtiirvWatsonstat1640327Preb(z-5lj1i?tr)0.D00QIDIr/trlmdARRjutt>.70而工图6:参数估计结果，1AR模型：81.32034xt10.703332B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。v1.0可编辑可修改2222图1:模型残差翱R¥iT"-rcrien;KR5TP

19、Inrkfilci用¥1.6后才d才1ud|_|g|X：Ei工.5Mt更Viev-£3ro仁咋用S03丫“1”日Np一同友Procs|日父尸ccwrgmErt|riwn司Fkse刈GanrpieeJtJsta回血gnt由上司CarjlAHram，fRFD匚1dtiUO/f1/OUTimw.21:7Sample-1950199BncljdsdQSseraftio-s4BAudt'_tui 5 虱I。ACPACLkSklPrgbQ Dfl 127 137 0 178 D 1ZJ o nrq 219 024 D027 0 02«- 1J7 -0.037 0 03

20、4 Li LL J 038 U UJJ n n 4-.-OJULS 0057-0 OZJ。网 0 120 U.1B2 0.175 QRG 0037 口谢-U.LiJib -O.DiO 0.176-n D7AD 110 0.L&6 n.Dii 4),024OS 41012 0.0 T0<D70口HN39 1.26B? NWZ3 3."9?7 1,2 ie 'iF.73O27 "09G Bjgss9 中 9,33-1995口¥ 9.044 3.-AS1 9,061 wans IU J I Ll10 576 ID B l陷0.515 0.S0 U.

21、5'0O.«7 口 Fl -n：-； 357 0.457 0.SS3 U.610 n FOO Ll.-.-4 0.741 u.?99 n 845 0.667 O.E90 U.：JI n.337 口湖,JF<thc破=r.4ntVJWlflll.5图2:残差的平稳性和纯随机性检验对残差序列进行白噪声检验，可以看出ACF和PACFtB没有显著异于零，Q统计量的P值都远远大于，因此可以认为残差序列为白噪声序列，模型信息提取比较充分。常数和滞后一阶参数的P值都很小，参数显著；因此整个模型比较精简，模型较优。四、模型优化当一个拟合模型通过了检验，说明在一定的置信水平下，该模型能有

22、效地拟合观察值序列的波动，但这种有效模型并不是唯一的。当几个模型都是模型有效参数显著的，此时需要选择一个更好的模型，即进行优化。优化的目的，选择相对最优模型。优化准则：最小信息量准则(AnInformationCriterion)指导思想似然函数值越大越好未知参数的个数越少越好AIC准则的缺陷在样本容量趋于无穷大时，由AIC准则选择的模型不收敛于真实模型，它通常比真实模型所含的未知参数个数要多AICnln(?2)2(未知参数个数)SBCnln(?2)ln(n)(未知参数)但是本例中滞后二阶的参数不显著，不符合精简原则，不必进行深入判断。v1.0可编辑可修改第四章非平稳时间序列的确定性分析第三章

23、介绍了平稳时间序列的分析方法，但是自然界中绝大多数序列都是非平稳的，因而对非平稳时间序列的分析跟普遍跟重要，人们创造的分析方法也更多。这些方法分为确定性时序分析和随机时序分析两大类，本章主要介绍确定性时序分析方法。一个序列在任意时刻的值能够被精确确定（或被预测），则该序列为确定性序列，如正弦序列、周期脉冲序列等。而某序列在某时刻的取值是随机的，不能给以精确预测，只知道取某一数值的概率，如白噪声序列等。Cramer分解定理说明每个序列都可以分成一个确定序列加一个随机序列，平稳序列的两个构成序列均平稳，非平稳时间序列则至少有一部分不平稳。本章先分析确定性序列不平稳的非平稳时间时间序列的分析方法。确

24、定性序列不平稳通常显示出非常明显的规律性，如显著趋势或者固定变化周期，这种规律性信息比较容易提取，因而传统时间序列分析的重点在确定性信息的提取上。常用的确定性分析方法为因素分解。分析目的为：克服其他因素的影响，单纯测度某一个确定性因素的影响；推断出各种因素彼此之间作用关系及它们对序列的综合影响。一、趋势分析绘制序列的线图，观测序列的特征，如果有明显的长期趋势，我们就要测度其长期趋势，测度方法有：趋势拟合法、平滑法。（一）趋势拟合法1.线性趋势拟合例1:以澳大利亚政府1981-1990年每季度消费支出数据为例进行分析。2323v1.0可编辑可修改叽nriow 3pEJtelEdlQf?jfidL

25、YrwGrot1avdkOnions2424Iroup:IJMTJTI-CDWorkfe:.wfprnu善RigFrgPTSfffaufcODSKX44Woikftk-超大网或箱要支出mi占用FGegMeetl |即力士1弓之/口配方十/刁si9215 KT? 日二qRange 片呻修Dts4Q此力|回：刀传营id7S JGUi#rih4 .< Mes F0115国四口524S % - J1->9E'XB9。11213M2匚14W143154月1G10C74,(7.9F7A图1:导入数据图2:绘制线图，序列有明显的上升趋势长期趋势具备线性上升的趋势，所以进行序列对时间的线性

26、回归分析。v1.0可编辑可修改2525图3:序列支出（zc）对时间（t）进行线性回归分析h.里尸ttet'ir2ojeririi间”"。®。解业Enw3呻¥*事seta耕U而匕|闪旧日归ob:.卯=利顼!叫蜗直出，Depencen：Variable:ZCMethodLsast£qu白remDa0口明1窃Time:12:53Sarrple：14IrclLdedasen'etms.期He冲'roi：.CnRange:SmpecresidlSiVadableCflefficiertrtd.Errort-StstiatiqProb.C84

27、9B£88137917J61,E2150o.oomT89,122515.06219315J0293O.ODCER-SQUdJied00500D4MecunJcptndenLvar10325.70AdjLatedR-squertd0(KCDOOS0.deoerdentvar1124273S.E.oftocroccion<75603Axaikonfecritoficn1£,00474Sumscuadracid6田口,匚Schwancritarion值.0891811ghkflihinr-2SB0940Ftatisilc2311231加巾沛VY&uunstai1.2

28、1£3S4P-ob(Fatalistic)0.300C03Pfllh=c'AiDR=nnrp图4:回归参数估计和回归效果评价可以看出回归参数显著，模型显著，回归效果良好，序列具有明显线性趋势。v1.0可编辑可修改2626SerialZDPoricaztEquitiorUKTITLED-SeriesnamesMethodJorecQEl轴ROftixiQStaticforecast(juglynsjiiiwmina/iiiafin'lWt码，第社UfRWfr.Fori ca&t|l 4QOqtpqt”彳Forneasgr=aphJF*_r*c*.sitvftLu

29、tiFInsert昌uEuGwforpti<-9fsaxnpleobsCancel图5:运用模型进行预测图6:预测效果（偏差率、方差率等）v1.0可编辑可修改£dtobjectroj式咛，-QbtiotcWindow*lp2727狙啰gI=rLK|oti产L|PrmlJSdl1SlLiwlFLEhS：Lfe|hriiISai2k口人Md FilerRange：140一如口beSsiiT事It14。一dOub后mGp北”rVLjllntlriF.幽RaMu'tblc?crisPdU.»-PaAoipocial.ypdteFrcmLB.StoretoDE.BCti

30、.ecl"七耳¥Berkara.iP近三环面W后FT用一浊大利亚演姆图7:绘制原序列和预测序列的线图图8:原序列和预测序列的线图v1.0可编辑可修改E片即t热评我野网free金ui#口翠白曜血ird*fclfipY|UW T I rru星朽旧WuiUH匕澳大利亚消/帔西二u血加u QESRange; 1 40SmEplQ 1 叩 E叫加IMTHTm痴电映；漠R哂叫ul|QjrlL Prii L|MaEE j 由uJTdaL|Llrws/Sl oJeR urnu¥：| Tu什口lalii?|OiUbii5|I1D.IC-"IXD“it -rath- 3 汕

31、-norc %'-澳大利正节奏麦昨；2929图9:残差序列的曲线图可以看出残差序列具有平稳时间序列的特征，我们可以进一步检验剔除了长期趋势后的残差序列的平稳性，第三章知识这里不在叙述。2.曲线趋势拟合例2:对上海证券交易所每月月末上正指数序列进行拟合。和HfiEfiEftL虫画奥W0jKQtc；阴，0期M用里以.-Rk3tt但¥白抄虹&Utk0tlOftS幽hdowHelp一X丫1期|、口二|&皿七Mt川日神日村三总国|lesjfc.SortTrdrepmf4:EcR.f-1Sm口l«J-insPBiTit旧）工日、。心JMl学1节上:图1:导入数据

32、於EViwt5如忸3TFT1EDWnkn皿的录1.7M】H，2叮*展ye上削如qect¥色&ErocQurkOgtinns/ngy出口一司*¥few|fMK|8jKt|lfeddtgxt|LE/3>odclREg|T|CBtotoQpfoM|ZQan|图2:绘制曲线图可以看出序列不是线性上升，而是曲线上升，尝试用二次模型拟合序列的发展。v1.0可编辑可修改Pr匚 |ptjjedt:| | Pinl:FileEditObjectViewPrrxQjuickOptions她nctoKHelpName | FreezeF<jirs5t|5tatsResids|

33、DependentVariable:ISW&thod.LcaoiSquaresDale:03/31/08Time:130ISample1130Includedobseivations：130VariableCoefficiantSid.Errort-StatisticProb.C457.535367,9244767359420.00KT1.811S962.3037500.76S92B0.4605T*T0.062236,0177014.5457930.0000R-quared767395Meandepeildentvai10-14.037AdjustedH-squared7fJ4U3ZS

34、.b.dependenivar545.3737S.E.cfregreeeiari254.1Q13Akikiihfocriteriorii13.33G3CSum3qudidleaid0205879Schwarzciileriun14.armLoglikelihood-9O2,ay&bH-statistic2J6.16iDurbifi-Wat&on0.32BG23Prob(F-stati&tico.doooooPil-H-r：；Dp-n.Eh,-?r图3:模型参数估计和回归效果评价图4:新模型参数估计和回归效果评价因为该模型中T的系数不显著，我们去掉该项再进行回归分析。fF

35、n.reej-rf-N£FjActul:2SFuiiesampIe.1130incluaedotsfervjlions:IjuRn-c*t0anMqiinradFrr<tft-.dQnnAbfolu*teEit力reariAti3_PeicentEnrorin6qujiityCo&tricintSijsFrop&rtiionVAriann-pPro-isnrtiriiinCov2iri3incqProportion学巧中RC17 2O1.DB23o.iuaijuy 0.000000 n nfiQaq? .400103Path-c;DB-ncnoWF-附录1.9：

36、图5:新模型的预测效果分析：*内|HPE1rupicljKP2曰电2堡岂|口电ault|j-or“iwrrtpc=Edt4,-1%p"门即m口训Tilobs.二三F11i13044502.34C9aJ1334/与口工.B32b匚'312049503J006411394Sa3,TT£2弓114.33504632161373B505.67957143.30SOG9173ST73.43508.34559180921021注S0511.773311=>9.60S13V731229275515.90271331351B.3AJ1143G4AGG20.9139I弓3SI2

37、4弓23675216445.3852E.62G91712347152g7B9Q1S119119533.101519ICE-1Hi7u餐依armwr，1i1rl口Pith=L；DE=ii<jiewr-PM录1,94需F.Gmup:UMIIFl.yjWorktile：解录1.?!山木孤2曰一Ei(«£.ditObjectVi#wProcMi*QEkrn蠡WindogH&ip苜*图6:原序列和预测序列值3131v1.0可编辑可修改图7:原序列和预测序列值曲线图图8:计算预测误差向Proc即cipetHeg的小匕|MarneFreeze|.弘哩1汁匕X|弓li2EH5

38、tm乜；IdenELine|Eer|AugmentedDitk«yr<jirerUnitR&otT«sfonEMullHypothesis:EhasaunitrootExogenous:ConstantLagLength：0(AutomaticbasedonAIC,MWLAO12)t-StatislicPrcb.*AuqjpEnt日dCHckE肛FullgrJ日st_s招Hstic”3,35。觉，一145.Testcriticalvalues:1%level-3.4816235%level-2.803330W%level-2576768*MacKinnon(1

39、996)one-sidedp-valuesAugmentedDickey-FuHerTestEquationDependentVariable:D(E)Method.Leas!SquaresDate：03/31/08Time:13：08Sample(adjusted):2130IncludedobGeFyations:129afteradjuetirianteJ|Pajh川J=向“上WF=附录1丁|/图9:对预测误差序列进行单位根检验拒绝原假设，认为序列没有单位根，为平稳序列，说明模型对长期趋势拟合的效果还不错。同样，序列与时间之间的关系还有很多中，比如指数曲线、生命曲线、龚柏茨曲线等等，其回

40、归模型的建立、参数估计等方法与回归分析同，这里不再详细叙述。3333v1.0可编辑可修改（二）平滑法除了趋势拟合外，平滑法也是消除短期随机波动反应长期趋势的方法，而其平滑法可以追踪数据的新变化。平滑法主要有移动平均方法和指数平滑法两种，这里主要介绍指数平滑方法。例3:对北京市1950-1998年城乡居民定期储蓄所占比例序列进行平滑。图1:打开序列，进行指数平滑分析3434v1.0可编辑可修改窗_EVierofSerics;CXDL附录1.SUntftlEdl,日gditobjectYq网£r«QuickOptions支tncfotl&lp.国箕-Dale03/31/

41、TIBTrmp-1315Sample:1950199SIntMudedobservatlOns:4&>Method.SingleExponentialOriginy)Suri?、CX旧LF-utHLdbt3iiirssCXDI3MParamolorc:Alpha0.53U0SurncTSquareciRetidusitG767.d290RmitMf3nSrjuarpd日Er395ZTl1EndofPeriodLevel$:Meair83.OU500LJ区口虫_£i.l.PP-f«n?_沙匚ff1最I百.，,图2:系统自动给定平滑系数趋势给定方法为选择使残差平方

42、和最小的平滑系数，该例中平滑系数去，超过用一次平滑效果不太好图3:平滑前后序列曲线图Fite£而ObiectViewProcQuickOptions幽ndo忖IHeto_fl1XProcabjectlrcpercias|pmtfnarwe|Freeze|Isampiei3enr#eeHstatsldai虏LmeftarDate:03Z3W9Time:13.17Sdinple.19501990Includedntoser/alii>ns49MeiJiod.DoubleExponeniialnqinslSertes：uxbLForecastE&ri&e：CXBLSM

43、Parameters:Agha01340SurfiofSquaredReaitluatsCI10.7GC2MootMeanSquaredhrror4.U&77uaEridufPeriudLhveIs.MtianS5.94248TrendCJ.110544ILJ|Brth-5|DB-nonc|WF.Ptf学&5|上图4:用二次平滑修匀原序列可以看出，平滑系数为，平均差为，修匀或者趋势预测效果不错。图5:二次平滑效果图例4:对于有明显线性趋势的序列，我们可以采用Holt两参数法进行指数平滑3636v1.0可编辑可修改对北京市1978-2000年报纸发行量序列进行Holt两参数指数平

44、滑图1:报纸发行量的曲线图图2:Holt两参数指数平滑（指定平滑系数）3737v1.0可编辑可修改3838图3:预测效果检验v1.0可编辑可修改图4:系统自动给定平滑系数时平滑效果ObjectTrnplahel OptionalCOimI AddText I Line/Shade I RemoveViel ProcPrint = rjam&FXFXSM2口|Path=c；L|.>8=noriejWF=1匕丁廷量必图5:原序列与预测序列曲线图（其中FXSM自己给定系数日的平滑值，FXSM劝系统给定系数时的平滑值）、季节效应分析许多序列有季节效应，比如：气温、商品零售额、某景点旅游人

45、数等都会呈现明显的季节变动规律。例5:以北京市1995-2000年月平均气温序列为例，介绍季节效应分析操作。图1:建立月度数据新工作表4040v1.0可编辑可修改4141View|Prod通茂比|Prim归闾央卜|3忱同|同由口画立恒周Gentf5amp括|DisplayFilt|M=U哄口JFifeEdit。口脩nViewProcQ<uickOctions她ndo“整日ipPrintSectedPathi=时DB=nuneRenamerefected.Lefet>?selectediHli而胆R3nge:Smp后EcSresid四，Qb版，.sGenerate5erras.1sB

46、reakUMsFetchfromDB.yzidahsselectedFrom口B,一?tureselectedtoD6.Copy骗卜u馆d图2:新工作表中添加数据v1.0可编辑可修改4343叫"I-orl口匚匚匚.i口pern已三卜rn旧印伫-re巳二匕口?1：ncr匚亡ate十,一nmpi,l己Dei+1ho.TlILastupdated:03/31JOB-16：29'1996M01-0,TOMO|1995M022.1000®1995M037,7000期1995M04U.700001995M06ig月oooo：1996M0E24,300301995M0725,90

47、0301995MD825.4TO01995M0319,000001995M1014.500001995Mli77000001995M12<1.400000199EM01-2.200000199EM02-0.4000001996M03jrkk-arj1kIid11hd1rt-i<3,1H版JPth=匚:&B=noneWF=untitled图3:五年的月度气温数据翻日阴式S3/曲押逑d时叫ife；UM轴，城UJuti，密一i.方E70=(川与卜科hyFr|i伊卜局口.Resample.LI1.1SeasonalAdjustm网墓_j5丸15XJ2.门EKportfintialS

48、cnocthirig.XI1(Histoical).Hodrick-PrescottFilterTramo/Seats.11阻FrequencyFilter.a,MovingTks-erzagePothods.A哂工弱口匕曰匚"Ft口。ertiesFileEditObject止心心ProtQuick口过后但立rid口向HelpWPnntjhJai匕出+7二|三即1廿|_551牝(mebreezeiJOefault1996M0221000001996M037.7000001995M0414,700001995M0519,80000iyytMUb24.3U0UUigg骂mb25900101995MO025.4TODW