第七章序列_Eviews

1、 EWIEWS提供序列的各種統(tǒng)計圖、統(tǒng)計方法及過程。當用第4、6章描述的方法向工作文件中讀入數(shù)據(jù)后，就可以對這些數(shù)據(jù)進行統(tǒng)計分析和圖表分析。 EWIEWS可以計算一個序列的各種統(tǒng)計量并可用表單、表、圖等形式將其表現(xiàn)出來。視圖包括最簡單的曲線圖一直到核密度估計。通過過程過程可以用原有的序列創(chuàng)建新的序列。這些過程包括季節(jié)調(diào)整、指數(shù)平滑和Hodrick-Prescott濾波。 在第8章我們將講述包括多個序列的組和組對象的統(tǒng)計方法及過程。 其中，7.17.6在序列的view下拉菜單里，7.8 7.10在序列的procedure下拉菜單里。 打開工作文件，雙擊一個序列名或者在單擊序列名后單擊“show”

2、，即進入序列的對話框。單擊“view”可看到菜單分為四個區(qū)，第一部分為序列顯示形式，第二和第三部分提供數(shù)據(jù)統(tǒng)計方法，第四部分是轉(zhuǎn)換選項和標簽。 l表單：表單： 用表單的形式顯示原始數(shù)據(jù)。l曲線圖曲線圖: : 按時間順序或者將觀測值一一連線顯示。這種方法最適用于時間序列。l直方圖直方圖: : 用柱形顯示數(shù)據(jù)。這種方法適用于顯示那些只有微小變化的序列。l釘形圖釘形圖: : 用直線顯示數(shù)據(jù)。即用垂直的釘形線顯示數(shù)據(jù)。l季度分區(qū)圖、季度連線圖季度分區(qū)圖、季度連線圖: : 這些方法按季度或月度顯示數(shù)據(jù)，適用于數(shù)據(jù)頻度為季度和月度的工作文件。季度分區(qū)圖把數(shù)據(jù)按季度分成四個區(qū)，每年同一季度的數(shù)據(jù)進行連線。同

3、時每個季度的期望值水平也顯示出來。季度連線圖是在同一坐標軸上把每年同一季度的數(shù)據(jù)連線顯示。l關(guān)于圖表顯示的制定與修改的技術(shù)討論見第十章。 以直方圖顯示序列的頻率分布。直方圖將序列的長度按等間距劃分，顯示觀測值落入每一個區(qū)間的個數(shù)。 同直方圖一起顯示的還有一些標準的描述統(tǒng)計量。這些統(tǒng)計量都是由樣本中的觀測值計算出來的。如圖： 均值均值 (mean) 即序列的平均值,用序列數(shù)據(jù)的總和除以數(shù)據(jù)的個數(shù)。2111yyNsiNi 中位數(shù)中位數(shù) (median) 即從小到大排列的序列的中間值。是對序列分布中心的一個粗略估計。 最大最小值最大最小值 (max and min) 序列中的最大最小值。 標準差（標

4、準差（Standard Deviation） 標準差衡量序列的離散程度。計算公式如下N是樣本中觀測值的個數(shù)， 是樣本均值。 y 偏度（偏度（Skewness） 衡量序列分布圍繞其均值的非對稱性。計算公式如下 311yyNSiNi 是變量方差的有偏估計。如果序列的分如果序列的分布是對稱的，布是對稱的，S值為值為0；正的；正的S值意味著序列分布值意味著序列分布有長的右拖尾，負的有長的右拖尾，負的S值意味著序列分布有長的值意味著序列分布有長的左拖尾。左拖尾。 NNs/ ) 1( 峰度（峰度（Kurtosis） 度量序列分布的凸起或平坦程度，計算公式如下 411yyNKiNi意義同S中 ，正態(tài)分布的K

5、值為3。如果K值大于3，分布的凸起程度大于正態(tài)分布；如果K值小于3，序列分布相對于正態(tài)分布是平坦的。 Jarque-Bera 檢驗檢驗 檢驗序列是否服從正態(tài)分布。統(tǒng)計量計算公式如下 223416KSkNJBS為偏度，K為峰度，k是序列估計式中參數(shù)的個數(shù) 在正態(tài)分布的原假設下，J-B統(tǒng)計量是自由度為2的 分布。直方圖中顯示的概率值（P值）是J-B統(tǒng)計量超出原假設下的觀測值的概率。如果該值很小，則拒絕原假設。當然，在不同的顯著性水平下的拒絕域是不一樣的。 2 這部分是對序列均值、中位數(shù)、方差的單假設檢驗。選擇View/tests for descriptive stats/simple hypot

6、hesis tests, 就會出現(xiàn)下面的序列分布檢驗對話框： 原假設是序列x的期望值 m，備選假設是 m，即 mHmH:10 如果你不指定序列x的標準差，Eviews將在t 統(tǒng)計量中使用該標準差的估計值s 。NiixxNsNsmxt1211, 是x的樣本估計值，N是x的觀測值的個數(shù)。在原假設下，如果x服從正態(tài)分布，t統(tǒng)計量是自由度為N-1的t分布。 x 如果給定x的標準差，Eviews計算Z統(tǒng)計量： Nmxz 是指定的x的標準差。在原假設下，如果x服從標準差為 的正態(tài)分布，則Z統(tǒng)計量服從標準正態(tài)分布。 要進行均值檢驗，在Mean內(nèi)輸入 值。如果已知標準差，想要計算Z統(tǒng)計量，在右邊的框內(nèi)輸入標準

7、差值?？梢暂斎肴魏螖?shù)或標準Eviews表達式，下頁我們給出檢驗的輸出結(jié)果。 表中的Probability值是P值（邊際顯著水平）。在雙邊假設下，如果這個值小于檢驗的顯著水平，如0.05則拒絕原假設。這里我們堅決拒絕原假設。 檢驗的原假設為序列x的方差等于 ，備選假設為雙邊的，x的方差不等于 ，即 22 2120var:var:xHxH Eviews計算 統(tǒng)計量，計算公式如下 2NiixxNssN12222211,1 N為觀測值的個數(shù)， 為x的樣本均值。在原假設下，如果x服從正態(tài)分布， 統(tǒng)計量是服從自由度為N-1的 分布。 要進行方差檢驗，在Variance處填入在原假設下的方差值。可以填入任何

8、正數(shù)或表達式。 x22 原假設為序列x的中位數(shù)等于m，備選假設為雙邊假設，x的中位數(shù)不等于m，即 mxmedHmxmedH:10 Eviews提供了三個以排序為基礎的無參數(shù)的檢驗統(tǒng)計量。方法的主要參考來自于Conover（1980）和Sheskin（1997）。 要進行中位數(shù)檢驗，在Median右邊的框內(nèi)輸入中位數(shù)的值，可以輸入任何數(shù)字表達式。 一階差分d(x)=x-x(-1)、二階差分d(x)-d(x(-1)=x-2x(-1)+x(-2) 可選擇水平值、一階差分或二階差分的相關(guān)圖。也可以指定顯示相關(guān)圖的最高滯后階數(shù)。在框內(nèi)輸入一個正整數(shù), 就可以顯示相關(guān)圖及相關(guān)統(tǒng)計量。 顯示確定滯后期的自相

9、關(guān)函數(shù)以及偏相關(guān)函數(shù)。這些函數(shù)通常只對時間序列有意義。當選擇View/Correlogram顯示如下對話框（Correlogram Specification）。 序列y 滯后k階的自相關(guān)由下式估計 TttTktkttkyyyyyyr121 是樣本y的均值，這是相距k期值的相關(guān)系數(shù)。如果 ，意味著序列是一階序列相關(guān)。如果 隨著滯后階數(shù)k的增加而呈幾何級數(shù)減小，表明序列服從低階自回歸過程。如果 在小的滯后階數(shù)下趨于零，表明序列服從低階動平均過程。虛線之間的區(qū)域是由自相關(guān)中正負兩倍于估計標準差所夾成的。如果自相關(guān)值在這個區(qū)域內(nèi)，則在顯著水平為5%的情形下與零沒有顯著區(qū)別。 y01rkrkr 滯后k

10、階的偏相關(guān)是當 對 作回歸時 的系數(shù)。叫它偏相關(guān)是因為它度量了k期間距的相關(guān)而不考慮k-1期的相關(guān)。如果這種自相關(guān)的形式可由滯后小于k階的自相關(guān)表示，那么偏相關(guān)在k期滯后下的值趨于零。 一個純的P階自回歸過程AR(P)的偏相關(guān)在P階截尾，而純的動平均函數(shù)的偏相關(guān)過程漸進趨于零。tykttyy1kty Eviews在P階滯后下估計偏相關(guān)的計算式如下 1,11,11, 111, 11krrrkrkjjjkkjjkjkkk 是在k階滯后時的自相關(guān)的估計值。 krjkkkjkjk, 1, 1, 這是偏相關(guān)的一致估計。要得到的更確切的估計，需進行回歸 residyyyyktkktktt11110 偏相關(guān)

11、中的虛線表示的是估計標準差的正負二倍。如果偏相關(guān)落在該區(qū)域內(nèi)，則在5%的顯著水平下與零無顯著差別（截尾）。 相關(guān)圖的最后兩列顯示的是Ljung-Box Q-統(tǒng)計量及它們的P值。 k階滯后的Q-統(tǒng)計量是原假設為序列沒有k階自相關(guān)的統(tǒng)計量。計算式如下 kjjLBjTrTTQ122 是 j 階自相關(guān)系數(shù)，T是觀測值的個數(shù)。Q-檢驗經(jīng)常用于檢驗一個序列是否是白噪聲。jr 13章將討論平穩(wěn)及非平穩(wěn)的時間序列，討論Dickey-Fuller和Phillips-Perren單位根檢驗，可檢驗序列是否平穩(wěn)。選擇檢驗類型，決定單位根檢驗是否用原始數(shù)據(jù)、一階差分、二階差分，是否包括截距或趨勢以及檢驗回歸的滯后階數(shù)

12、，以及在Eviews中進行單位根檢驗的更多細節(jié)問題。 這部分是對序列的描述，表格如下： 除了Last Update，可以編輯序列標簽中的任何項。Last Update顯示序列上一次修改的時間。每一部分包括一行，只有Remarks and History包括20行，注意如果填入了一行（在20行中），最后一行將被刪除。Name是序列在工作文件中顯示的名字。可以通過編輯這一部分給序列改名。如果在Display Name中填入序列名，這個名字將會在圖表中替換標準的對象的名字。Object Name、Display Name可包括空格、區(qū)分大小寫。 一、一、由方程創(chuàng)建Generate by Equati

13、on允許使用已有序列的表達式來建立新的序列，序列表達式的書寫規(guī)則見第5章。 二、重置樣本Resampling 這一過程從序列觀測值中隨機選取并建立一個新序列?？梢灾付ㄌ崛⌒聵颖緯r置換（允許給定觀測值被多次提?。┗虿恢脫Q。從序列窗口選擇Procs/Resample，出現(xiàn)下列窗口，提示指定各種選擇： 時間序列的季度、月度觀測值常常顯示出月和季度的循環(huán)變動。例如：冰激凌的銷售在每一年的夏季很好，玩具的銷售在12月圣誕節(jié)期間達到頂峰。季節(jié)調(diào)整是從一個序列中除去季節(jié)變動，顯示季節(jié)調(diào)整是從一個序列中除去季節(jié)變動，顯示出序列潛在的趨勢分量。只有季度、月度數(shù)據(jù)出序列潛在的趨勢分量。只有季度、月度數(shù)據(jù)才能做季節(jié)

14、調(diào)整。才能做季節(jié)調(diào)整。要對一個序列進行季節(jié)調(diào)整，在序列窗口的工具欄中單擊Procs/Seasonal Adjustment，顯示季節(jié)調(diào)整對話框: 有4種季節(jié)調(diào)整方法，Census X12方法、X11方法、Tramo/Seats方法和移動平均方法。 為了及時、準確地把握經(jīng)濟周期波動，一般都采用月度或季度數(shù)據(jù)來進行分析和預測，而對于每個經(jīng)濟指標的月度或季度時間序列來說，都包含著四種變動要素：長期趨勢要素T (Trend)、循環(huán)要素C (Cylce)、季節(jié)變動要素S (Seasonal)和不規(guī)則要素I (Irregular)。 長期趨勢要素代表經(jīng)濟時間序列長期的趨勢特性。循環(huán)要素是以數(shù)年為周期的一種

15、周期性變動，它可能是一種景氣變動，經(jīng)濟變動或其他周期變動，它可以代表經(jīng)濟或某個特定工業(yè)的波動。季節(jié)變動要素是每年重復出現(xiàn)的循環(huán)變動，以12個月或4個季度為周期的周期性影響，是由溫度、降雨、年中的月份，假期和政策等引起的。季節(jié)變動要素和循環(huán)要素的區(qū)別在于，季節(jié)變動要素是在固定間距（如年、季、月或周）中自我循環(huán)，而循環(huán)要素是從一個周期變動到另一個周期，間距比較長且不固定的一種周期性波動。不規(guī)則要素又稱隨機因子、殘余變動或噪聲，其變動無規(guī)則可循，這類因素是由偶然發(fā)生的事故引起的，如：故障、罷工、意外事故、地震、水災、惡劣氣候、戰(zhàn)爭、法令更改、測定誤差等。 在經(jīng)濟分析中，季節(jié)變動要素和不規(guī)則要素往往遮

16、蓋或混淆了經(jīng)濟發(fā)展中的客觀變化，給研究和分析經(jīng)濟發(fā)展趨勢和判斷目前經(jīng)濟處于什么狀態(tài)帶來困難，因此需要在經(jīng)濟分析之前，將經(jīng)濟時間序列進行分解，剔除其中的季節(jié)變動要素和不規(guī)則要素。經(jīng)濟時間序列分解模型，依據(jù)時間序列的四個構(gòu)成要素在模型中的相互關(guān)系，可以表現(xiàn)為多種不同的形式，但就一般而言，基本的分解模型只有兩類：即加法模型和乘法模型。 加法模型的一般形式為: 式中T、C、S 和 I 均表現(xiàn)為絕對量。 YTCSI 乘法模型的一般形式為 式中T為絕對量；C、S 和 I 均為相對量。YTCSI511.471631.482751.493871.494991.5019811983198519871989199

17、1199319951997單位：億元單位：億元 下面是中國的工業(yè)總產(chǎn)值的時間序列基于乘法模型分解的四種變動要素的圖形 。606.051505.592405.123304.664204.20198119831985198719891991199319951997單位：億元單位：億元注：利用注：利用X-11X-11季節(jié)調(diào)整方法計算（乘法模型）季節(jié)調(diào)整方法計算（乘法模型）91.6397.47103.31109.14114.98198119831985198719891991199319951997 注：利用階段平均方法計算注：利用階段平均方法計算0.760.860.961.061.161981198

18、31985198719891991199319951997 注：利用注：利用X-11X-11季節(jié)調(diào)整方法計算（乘法模型）季節(jié)調(diào)整方法計算（乘法模型）0.890.951.001.061.11198119831985198719891991199319951997 注：利用注：利用X-11X-11季節(jié)調(diào)整方法計算（乘法模型）季節(jié)調(diào)整方法計算（乘法模型） EVIEWS是將美國國勢調(diào)查局的X12季節(jié)調(diào)整程序直接安裝到EVIEWS子目錄中，建立了一個接口程序。EVIEWS進行季節(jié)調(diào)整時將執(zhí)行以下步驟： 1給出一個被調(diào)整序列的說明文件和數(shù)據(jù)文件； 2利用給定的信息執(zhí)行X12程序； 3返回一個輸出文件，將調(diào)

19、整后的結(jié)果存在EVIEWS工作文件中。 X12的EVIEWS接口菜單只是一個簡短的描述，EVIEWS還提供了一些菜單不能實現(xiàn)的接口功能，更一般的命令接口程序。 調(diào)用X12季節(jié)調(diào)整過程，在序列窗口選擇Procs/Seasonal Adjustment / Census X12，打開一個對話框： X12方法有5種選擇框，下面分別介紹。首先顯示的是季節(jié)調(diào)整選擇框。 X11方法（方法（X11 Method） 這一部分指定季節(jié)調(diào)整分解的形式：乘法；加法；偽加法（此形式必須伴隨ARIMA說明）；對數(shù)加法。注意乘法；偽加法和對數(shù)加法不允許有零和負數(shù)。 季節(jié)濾波季節(jié)濾波(Seasonal Filter) 當估

20、計季節(jié)因子時，允許選擇季節(jié)移動平均濾波（可能是月別移動平均項數(shù)），缺省是X12自動確定。近似地可選擇(X11 defaul)缺省選擇。需要注意以下幾點： 在對話框指定的季節(jié)濾波應用于所有頻率。如果想對不同的頻率用不同的濾波，應該使用更一般的X12命令語言。 如果序列短于20年，X12不允許指定315的季節(jié)濾波。 趨勢濾波（趨勢濾波（Trend Filter (Henderson)） 當估計趨勢循環(huán)分量時，允許你指定亨德松移動平均的項數(shù)，可以輸入大于1和小于等于101的奇數(shù)，缺省是由X12自動選擇。 存調(diào)整后的分量序列名（Component Series to save） X12將被調(diào)整的序列名

21、作為缺省列在Base name框中，可以改變序列名。在下面的多選鈕中選擇要保存的季節(jié)調(diào)整后分量序列，X12將加上相應的后綴存在工作文件中： 最終的季節(jié)調(diào)整后序列（SA）； 最終的季節(jié)因子（SF）； 最終的趨勢循環(huán)序列（TC）； 最終的不規(guī)則要素分量（IR）； 季節(jié)/貿(mào)易日因子（D16）； 假日/貿(mào)易日因子（D18）； 點擊ARIMA Option標簽，可出現(xiàn)下列對話框： X12還允許在季節(jié)調(diào)整前對被調(diào)整序列建立一個合適的ARIMA模型。 在配備一個合適的ARMA模型之前允許轉(zhuǎn)換序列。缺省是不轉(zhuǎn)換；Auto選擇是根據(jù)計算出來的AIC準則自動確定是不做轉(zhuǎn)換還是進行對數(shù)轉(zhuǎn)換；Logistic選擇將序

22、列y轉(zhuǎn)換為log(y/(1-y)，序列的值被定義在0和1之間；Box-Cox power選擇要求提供一個參數(shù)，做下列轉(zhuǎn)換：0/ ) 1(0)log(2ifyifytt 允許在2種不同的方法中選擇ARIMA模型。 Specify in-line 選擇 要求提供ARIMA模型階數(shù)的說明（p d q）(P D Q) 缺省的指定是“(0 1 1)(0 1 1)”是指季節(jié)的IMA模型： L是滯后算子，這里季節(jié)差分是指，季度數(shù)據(jù)時s =4；月度數(shù)據(jù)時s =12。下面是一些例子：p 非季節(jié)的AR階數(shù) d 非季節(jié)的差分階數(shù) q 非季節(jié)的MA階數(shù) P 季節(jié)AR階數(shù) D 季節(jié)差分階數(shù) Q 季節(jié)MA階數(shù) (1 0

23、0) (0 1 1) (1 0 1)(1 0 0) ttyL)1 (ttLyL)1 ()1 (ttssLyLL)1 ()1)(1 (1 注意在模型中總的AR、MA、和差分的系數(shù)不超過25；AR或MA參數(shù)的最大延遲為24；在ARIMA因子中的最大差分階數(shù)不超過3。 Select from file 選擇 X12將從一個外部文件提供的說明集合中選擇ARIMA模型。EVIEWS將利用一個包含一系列缺省模型指定說明的文件（X12A.MDL）： (0 1 1)(0 1 1) * (0 1 2)(0 1 1) X (2 1 0)(0 1 1) X (0 2 2)(0 1 1) X (2 1 2)(0 1

24、1) 缺省說明用“*”表示，除最后一個外，中間的用“X”結(jié)尾。有2個選擇： Select best 檢驗列表中的所有模型，選一個最小預測誤差的模型，缺省是第一個模型。 Select by out-of-sample-fit 對模型的評價用外部樣本誤差，缺省是用內(nèi)部樣本預測誤差。 允許你在ARIMA模型中指定一些外生回歸因子，利用多選鈕可選擇常數(shù)項，或季節(jié)虛擬變量，事先定義的回歸因子可以捕捉貿(mào)易日和節(jié)假日的影響。 可以在進行季節(jié)調(diào)整和利用ARIMA模型得到用于季節(jié)調(diào)整的向前/向后預測值之前，先去掉確定性的影響（例如節(jié)假日和貿(mào)易日影響）。首先要選擇（Ajustment Option）是否進行這項調(diào)

25、整？，確定在那一個步驟里調(diào)整：在ARIMA步驟，還是X-11步驟？ Trading Day Effects消除貿(mào)易日影響有2種選擇，依賴于序列是流量序列還是存量序列（諸如存貨）。對于流量序列還有2種選擇，是對周工作日影響進行調(diào)整還是對僅對周日-周末影響進行調(diào)整。存量序列僅對月度序列進行調(diào)整，需給出被觀測序列的月天數(shù)。 Holiday effects 僅對流量序列做節(jié)假日調(diào)整。對每一個節(jié)日，你必須提供一個數(shù)，是到這個節(jié)日之前影響的持續(xù)天數(shù)。 Easter 復活節(jié) Labor 勞動節(jié) Thanksgiving 感恩節(jié) Christmas 圣誕節(jié) 注意這些節(jié)日只針對美國，不能應用于其他國家。 外部影

26、響調(diào)整也是分別在ARIMA步驟和X11步驟中進行。然而，必須在X11步驟中作了貿(mào)易日/節(jié)日調(diào)整，才能在X11步驟中做外部調(diào)整，而且只能做附加的外部調(diào)整； 在ARIMA步驟中有4種外部調(diào)整： 附加的外部調(diào)整； 水平變換； 暫時的水平變化； 彎道影響。 這項選擇提供了各種診斷： 季節(jié)因素的穩(wěn)定性分析季節(jié)因素的穩(wěn)定性分析（Stability Analysis of Seasonals） Sliding spans 移動間距移動間距 檢驗被調(diào)整序列在固定大小的移動樣本上的變化； Historical revisions 歷史修正歷史修正 檢驗被調(diào)整序列增加一個新觀測值，即增加一個樣本時的變化。 其他診

27、斷其他診斷（Other Diagnostics） 還可以選擇顯示各種診斷輸出： Residual diagnostics 殘差診斷殘差診斷 作為對所配備的ARIMA模型的檢驗，報告一個標準的殘差診斷（例如自相關(guān)函數(shù)和Q-統(tǒng)計量），注意這個選擇要求估計ARIMA模型，如果沒有，則這個診斷被應用于原始序列。 Outlier detection 外部探測外部探測 利用指定的ARIMA模型自動地查出和報告外部影響。這個選擇要求指定一個ARIMA模型或至少一個外生回歸因子，假如沒有回歸模型，這項選擇被忽略。 Spectral plot 譜圖譜圖 顯示被調(diào)整序列和經(jīng)修正后的不規(guī)則序列的不同的譜圖。紅色垂直

28、點線是季節(jié)頻率，黑色垂線貿(mào)易日頻率。如果你在這些垂線觀測到峰，意味著不充分的調(diào)整。如果你選擇了這一項，譜數(shù)據(jù)將以矩陣形式（名字給定為：序列名SASP1和序列名SASP2）被存在工作文件中。矩陣的第一列是頻率，第二列是10個相應頻率的對數(shù)譜。 X-11法是美國商務部標準的季節(jié)調(diào)整方法(乘法模型、加法模型)，乘法模型適用于序列可被分解為趨勢項與季節(jié)項的乘積，加法模型適用于序列可被分解為趨勢項與季節(jié)項的和。乘法模型只適用于序列值都為正的情形。 如果在季節(jié)調(diào)整對話框中選擇X-11選項，調(diào)整后的序列及因子序列會被自動存入Eviews工作文件中，在過程的結(jié)尾X-11簡要的輸出及錯誤信息也會在序列窗口中顯示

29、。 關(guān)于調(diào)整后的序列的名字。Eviews在原序列名后加SA，但你也可以改變，這將被存儲在工作文件中。 需要注意，季節(jié)調(diào)整的觀測值的個數(shù)是有限制的。X-11只作用于含季節(jié)數(shù)據(jù)的序列，需要至少4整年的數(shù)據(jù)，最多能調(diào)整20年的月度數(shù)據(jù)及30年的季度數(shù)據(jù)。 X-11法與移動平均法的最大不同是：X-11法中季節(jié)因子年與年有可能不同，而在移動平均法中，季節(jié)因子被假設為是一樣的。 Tramo(Time Series Regression with ARIMA Noise, Missing Observation, and Outliers)是對具有缺失觀測值，ARIMA誤差、幾種外部影響的回歸模型完成估計、

30、預測和插值的程序。 Seats(Signal Extraction in ARIMA Time Series)是基于ARIMA模型的將可觀測時間序列分解為不可觀測分量的程序。這兩個程序是有Victor Gomez 和Agustin Maravall 開發(fā)的。 當選擇了Pross/Seasonal Adjustment/Tramo Seats時，EVIEWS執(zhí)行外部程序，將數(shù)據(jù)輸給外部程序，然后將結(jié)果返回EVIEWS。 指數(shù)平滑是可調(diào)整預測的簡單方法。當只有少數(shù)觀測值時這種方法是有效的。與使用固定系數(shù)的回歸預測模型不同，指數(shù)平滑法的預測用過去的預測誤差進行調(diào)整。下面，我們對 EViews中的指數(shù)

31、平滑法作簡要討論。 要用指數(shù)平滑法預測，選擇Procs/Exponential Smoothing 顯示如下對話框 在5種方法中選擇一種方法。 既可以指定平滑參數(shù)也可以讓EViews估計它們的值。要估計參數(shù)，在填充區(qū)內(nèi)輸入字母e，EViews估計使誤差平方和最小的參數(shù)值。如果估計參數(shù)值趨于1，這表明序列趨于隨機游走，最近的值對估計將來值最有用。要指定參數(shù)值，在填充區(qū)內(nèi)輸入?yún)?shù)值，所有參數(shù)值在0-1之間，如果你輸入的參數(shù)值超出這一區(qū)間，EViews將會估計這個參數(shù)。 可以為平滑后的序列指定一個名字，EViews在原序列后加SM指定平滑后的序列名，你也加以可以改變。 必須指定預測的樣本區(qū)間（不管你

32、是否選擇估計參數(shù)）。缺省值是當前工作文件的樣本區(qū)間。EViews將從樣本區(qū)間末尾開始計算預測值。 可以改變每年的季節(jié)數(shù)（缺省值為每年12個月、4個季度）。這個選項允許預測不規(guī)則間距的數(shù)據(jù)，在空白處輸入循環(huán)數(shù)。 這種單指數(shù)平滑方法適用于序列值在一個常數(shù)均值上下隨機波動的情況，無趨勢及季節(jié)要素。 平滑后的序列 計算式如下 = 為平滑因子。 越小， 越平緩，重復迭代，可得到 由此可知為什么這種方法叫指數(shù)平滑，y的預測值是y過去值的加權(quán)平均，而權(quán)數(shù)被定義為以時間為指數(shù)的形式。 單指數(shù)平滑的預測對所有未來的觀測值都是常數(shù)。這個常數(shù)為 （對所有的K0）,T是估計樣本的期末值。要開始遞歸，我們需要 和 的初

33、值。EView使用原來觀測值的均值來開始遞歸。Bowermen和OConnell（1979）建議 值在0.01到0.03之間較好。你也可以讓EViews估計使一步預測誤差平方和最小的 值。 stststyy110tyty 11ttyyty 10ty tKTyyty 這種方法是將單指數(shù)平滑進行兩次（使用相同的參數(shù)）。適用于有線性趨勢的序列。序列y的雙指數(shù)平滑以遞歸形式定義為 11tttSyS11tttSSDS是單指數(shù)平滑后的序列，D是雙指數(shù)平滑序列。注意雙指數(shù)平滑是阻尼因子為 的單指數(shù)平滑方法。雙指數(shù)平滑的預測如下10kDSDSDkSkyTTTTTTkT121112最后一個表達式表明雙指數(shù)平滑的

34、預測有線性趨勢，截距為 ，斜率為 TTDS 21TTDS 這種方法適用于具有線性時間趨勢無季節(jié)變差的情形。這種方法與雙指數(shù)平滑法一樣以線性趨勢無季節(jié)成分進行預測。雙指數(shù)平滑法只用了一個參數(shù)，這種方法用兩個參數(shù)。 平滑后的序列 由下式給出 tyty bkaykta表示截距；b表示趨勢。這兩個參數(shù)由如下遞歸式定義 111tbtaytat 111tbtatatb 在0-1之間，為阻尼因子。這是一種有兩個參數(shù)的指數(shù)平滑法。預測值計算如下 kTbTaykt 這些預測值具有線性趨勢，截距為 ，斜率為 。注意到無季節(jié)的Holt-Winters與 的加法及乘法模型并不相同， 只限制季節(jié)因子不變?yōu)榉橇愠?shù)。 T

35、a Tb00, 該方法適用于具有線性時間趨勢和加法模型的季節(jié)變差。 平滑后的序列 由下式給出ktktcbkaytyty 其中：a表示截距： b表示趨勢： 為加法模型的季節(jié)因子：tc 111tbtastcytatt 111tbtatatb stctaytcttt1 在0-1之間，為阻尼因子。在Cycle for Season中指定s為季節(jié)頻率，預測值由下式計算, SkTkTckTbTay季節(jié)因子用最后期的s估計。 這種方法適用于序列具有線性時間趨勢以及乘法模型的季節(jié)變差。 的平滑序列 由下式給出ktktcbkay其中：a表示截距 b表示趨勢 為乘法模型的季節(jié)因子tc 111tbtastcytatt 111tbtatatb stctaytcttt1 在0-1之間，為阻尼因子。在Cycle for Season中指定s為季節(jié)頻率，預測值由下式計算,