EViews统计分析在计量经济学中的应用-第6章 时间序列模型课件

1、第 章 时间序列模型 6.1 时间序列的趋势分解6.2 时间序列的平稳性及其检验6.3 随机时间序列分析模型6.4 习题（略）69/2/20221EViews统计分析在计量经济学中的应用6.1：时间序列的趋势分解实验目的：熟悉和掌握滤波在时间序列模型中的应用。实验数据：1996年1月-2011年10月世界集装箱船手持订单量（单位为万TEU）（相关数据和工作文件存放于文件夹 “书中资料/第6章” ） 。实验原理：Hodrick-Prescott和BP滤波方法实验预习知识： Hodrick-Prescott和BP滤波方法相关知识9/2/20222EViews统计分析在计量经济学中的应用实验步骤一：

2、基础数据的录入 在进行本章实验之前，我们要进行工作文件的创建和数据的输入等工作，这些在前面章节已有详细介绍，在此不再赘述。本实验建立了名为“6-1.wfl”的工作文件，该文件里包括序列t和x，相关数据已经录入。 9/2/20223EViews统计分析在计量经济学中的应用HP滤波对话框 图6.1 HP滤波对话框 首先对分解后的趋势序列进行命名，Eviews将默认一个序列名，如hptrend02，也可填入一个新的趋势序列名；其次，设定参数的取值，一般年度数据取100，季度和月度数据分别取1600和14400，本例取14400，不允许填入非整数。9/2/20225EViews统计分析在计量经济学中的

3、应用实验步骤三：结果分析 （2）点击图6.1中的OK按钮，Eviews中将原序列和趋势序列显示在同一图形中，如图6.2所示。图6.2 HP滤波结果 9/2/20226EViews统计分析在计量经济学中的应用实验步骤三：结果分析 如图6.2所示，是包含长期趋势成分和周期波动成分的经济时间序列，Trend是其中含有的趋势成分，Cycle是其中含有的周期波动成分，即，而Hodrick-Prescott滤波目的是将从中将分解出来。从趋势上看，世界集装箱船手持订单量呈现总体上升趋势，但2008年后出现明显下将趋势；而从周期波动看，世界集装箱船手持订单量的波动幅度则越来越大，即周期性越来越明显。9/2/2

4、0227EViews统计分析在计量经济学中的应用Ready? Lets go to the next9/2/20228EViews统计分析在计量经济学中的应用实验步骤一（图示法）：图示信息录入 使用图示判断时间序列的平稳性，具体过程如下：（1）打开工作文件“6-1.wfl”，点击工具栏中的View/Graph,出现图6.6所示的对话框。 图6.6 图示对话框 9/2/202210EViews统计分析在计量经济学中的应用时序图（2）点击图6.6中的OK按钮，Eviews中将原始数据用线条图形表示出来，如图6.7所示。图6.7 集装箱船手持订单时间序列9/2/202212EViews统计分析在计量

5、经济学中的应用实验步骤二（图示法）：相关图分析（3）点击工具栏中的View按钮，选择Correlogram菜单项，如6.8所示，点击后则出现图6.9所示的对话框。图6.8 选择Correlogram菜单项9/2/202214EViews统计分析在计量经济学中的应用相关分析参数 在图6.9中，有两个选择：一是针对何种数据生成相关图，主要分为原变量（level）、一阶差分变量（1st difference）及二阶差分变量（2st difference），这里选择level；二是确定相关图的滞后期（Lags to include），这里选择36。图6.9 相关分析参数9/2/202215EViews

6、统计分析在计量经济学中的应用自相关、偏自相关图 图6.10中，虚线表示到中心线2个标准差宽度，Autocorrelation和AC分别表示自相关函数的图形和数值，Partial Correlation和PAC分别表示偏自相关函数的图形和数值。序列稳定性可以用自相关分析图判断：如果序列的自相关系数很快地（滞后阶数K大于2或3时）趋于0，即落入随机区内，时间序列是平稳的；反之，则序列是非平稳的。若自相关系数大于临界值，则时间序列数据有显著的自相关性。从图6.10中可以看出自相关函数在延迟36阶的过程中，没有迅速向零趋近的趋势，这说明该序列是非平稳序列。为了进一步获得平稳序列，一般将原序列取对数，在

7、此基础上，分别分析其原序列、一阶及二阶序列。 图6.10自相关、偏自相关图 9/2/202216EViews统计分析在计量经济学中的应用实验步骤三（图示法）：取对数后的相关图（5）打开取对数后的数据表m,分别重复（2）-(4)操作，分别得在原序列、一阶差分和二阶差分下的相关图，如图6.11-6.13所示。图6.11 取对数后水平条件下相关图9/2/202217EViews统计分析在计量经济学中的应用取对数后一及二阶差分相关图图6.12 取对数后一阶差分条件下相关图图6.13 取对数后二阶差分条件下相关图9/2/202218EViews统计分析在计量经济学中的应用实验步骤一（单位根）：检验方法的

8、选择（1）打开工作文件“6-1.wfl”，点击工具栏中的View，选择Unit Root Test，如图6.14所示，接着会出现单位根检验对话框，如图6.15所示。图6.14单位根检验菜单栏9/2/202220EViews统计分析在计量经济学中的应用单位根检验选项 如图6.15所示，单位根检验选项有四个选择区域： Test type（检验方法）：包括6种检验方法，主要为ADF检验、DF检验、PP检验、KPSS检验、ERSPO检验及NP检验，系统默认选择ADF检验； Test for unit in（所检验的序列），有三种可供选择： Level：表示对水平序列进行单位根检验； 1st diffe

9、rence：表示对序列的一阶差分序列进行单位根检验； 2nd difference：表示对序列的二阶差分序列进行单位根检验； 一般地，如果对原序列进行单位根检验的原假设没有被拒绝，而序列的一阶差分检验拒绝原假设，则序列存在一个单位根，即该序列是一阶单整I（1）的；如果序列一阶差分检验仍没有拒绝原假设，则需要对序列进行二阶差分检验。本系统默认选择水平序列做单位根检验。图6.15 单位根检验选项 9/2/202221EViews统计分析在计量经济学中的应用实验步骤二（单位根）：结果分析 （2）点击图6.15中OK按钮，可得ADF检验结果，如图6.16所示。图 6.16 单位根检验结果（含截距项）

10、如图6.16所示，ADF值为-1.089289，分别大于不同检验水平的三个临界值，所以不能拒绝零假设，即该水平序列不是平稳序列，应对序列进行差分运算。9/2/202223EViews统计分析在计量经济学中的应用实验步骤三（单位根）：检验式含趋势和截距项 (3)重新设定单位根检验参数，即采用检验式中包含趋势和截距项，点击OK按钮可得新的ADF检验结果，如图6.18所示。图 6.18 单位根检验结果（含趋势项和截距项） 如图6.18所示，ADF值为-1.875039，分别大于不同检验水平的三个临界值，所以不能拒绝零假设，即该水平序列不是平稳序列。9/2/202224EViews统计分析在计量经济学

11、中的应用对数后一和二阶差分序列ADF检验图 6.24单位根检验结果（ADF，取对数后一阶序列）图 6.25单位根检验结果（ADF，取对数后二阶序列）9/2/202226EViews统计分析在计量经济学中的应用实验步骤四（单位根）：结果分析 如图6.23-6.25所示，取对数后水平序列、一阶序列和二阶序列的ADF值分别为-2.288405、-3.645854及-16.68912，取对数后水平序列及一阶序列分别大于不同检验水平的三个临界值，所以不能拒绝零假设，而取对数后二阶序列分别小于不同检验水平的三个临界值，可以拒绝零假设，即取对数后二阶序列为平稳序列。9/2/202227EViews统计分析在

12、计量经济学中的应用Ready? Lets go to the next9/2/202228EViews统计分析在计量经济学中的应用实验步骤一：时间序列模型的识别 （1）打开工作文件“6-1.wfl”，在样本数据m的窗口，点击工具栏中的View/Correlogram，出现图6.26所示的对话框。根据本书6.2节结论，图6.26中的序列选择m二阶差分序列，在此滞后期选择24。 图6.26 图示对话框9/2/202230EViews统计分析在计量经济学中的应用自相关函数和偏自相关函数 （2）点击图6.26中的“OK”按钮，可得自相关函数和偏自相关函数，如图6.27所示。图6.27 对数二阶差分自相

13、关函数 9/2/202231EViews统计分析在计量经济学中的应用自相关函数和偏自相关函数 对数二阶差分序列自相关和偏自相关函数，如图6.27所示，由两部分组成，左半部分为自相关（Autocorrelation）与偏自相关（Partial Correlation）分析图，右半部分为自相关系数（AC）、偏自相关系数（PAC）、Q统计量（Q-Stat）与相伴概率（Prob）。由图6.27可知，自相关和偏自相关函数的峰值同为滞后1期，自相关函数1阶截尾，偏自相关函数2阶截尾，可初步判定p=1，2，q=1，即可能适合的模型有ARMA(2,1)，ARMA(1,1)，AR(1)，AR(2)，MA(1)。

14、9/2/202232EViews统计分析在计量经济学中的应用实验步骤二：时间序列模型的估计 （1）打开工作文件“6-1.wfl”，在主窗口中点击Quick/Estimation Equation，出现图6.28所示的对话框。在图6.26的Equation specification中输入d(d(m) ar(1) ar(2) ma(1)，在Equation setting中选择最小二乘法。图6.28 图示对话框9/2/202233EViews统计分析在计量经济学中的应用ARMA（2，1）参数估计（2）点击6.28中确定按钮，可得模型参数估计结果，如图6.29所示。 图6.29 ARMA（2，1）

15、参数估计结果9/2/202234EViews统计分析在计量经济学中的应用ARMA（1，1）参数估计 （3）由上文，可得其他模型的估计结果，如图6.30-6.33所示。 图6.30 ARMA（1，1）参数估计结果9/2/202235EViews统计分析在计量经济学中的应用AR（1）和 AR（2）参数估计图6.31 AR（1）参数估计结果图6.32 AR（2）参数估计结果 9/2/202236EViews统计分析在计量经济学中的应用MA（1）参数估计 分析ARMA(2,1)，ARMA(1,1)，AR(1)，AR(2)，MA(1)各模型检验结果，可得AIC、SC值。根据AIC和SC准则评判模型的相对

16、优劣，一般选择AIC和SC函数值达到最小的模型。由图6.29-图6.33知MA(1)模型与ARMA(1，1)模型较好，且MA(1)模型稍优于ARMA(1，1)模型，故选择MA(1)模型作为最终模型。也即图6.33为最终的参数估计结果。 图6.33 MA（1）参数估计结果 9/2/202237EViews统计分析在计量经济学中的应用实验步骤三：时间序列模型的预测（4）在图6.33界面中，点击Forecast按钮，可得预测对话框，如图6.34所示。图6.34 预测对话框 9/2/202238EViews统计分析在计量经济学中的应用预测方法的选择 图6.34中，预测序列（series to fore

17、cast）分为两种，本实验采用默认预测序列m，系统将默认预测序列（series names）记为mf；关于预测时间（forecast sample），可进行设定，本实验则采用默认预测时间；在预测方法（Method）中，主要包括动态预测（Dynamic forecast）和静态预测（Static forecast），本实验选择静态预测。9/2/202239EViews统计分析在计量经济学中的应用预测结果 （5）在图6.34界面中，点击OK按钮，可得预测结果，如图6.35所示。图6.35 预测结果 由图6.35右侧数值可知，平均绝对百分误差(MAPE)为0.475240，即MA(1)预测结果相对较好，图6.35左侧的预测曲线，进一步印证了预测结果的科学性和准确性。9/2/202240EViews统计分析在计量经济学中的应用实验步骤四：时间序列模型的检验 打开工作文件“6-1.wfl”，在图6.33所示的窗口点击View按钮，选择Residua