Eviews時間序列分析實例

1、Eviews時間序列分析實例時間序列是市場預測中經(jīng)常涉及的一類數(shù)據(jù)形式，本書第七章對它進行了比較詳細的介紹。通過第七章的學習，讀者了解了什么是時間序列，并接觸到有關(guān)時間序列分析方法的原理和一些分析實例。本節(jié)的主要內(nèi)容是說明如何使用Eviews軟件進行分析。一、指數(shù)平滑法實例所謂指數(shù)平滑實際就是對歷史數(shù)據(jù)的加權(quán)平均。它可以用于任何一種沒有明顯函數(shù)規(guī)律，但確實存在某種前后關(guān)聯(lián)的時間序列的短期預測。由于其他很多分析方法都不具有這種特點，指數(shù)平滑法在時間序列預測中仍然占據(jù)著相當重要的位置。()一次指數(shù)平滑一次指數(shù)平滑又稱單指數(shù)平滑。它最突出的優(yōu)點是方法非常簡單，甚至只要樣本末期的平滑值，就可以得到預測

2、結(jié)果。一次指數(shù)平滑的特點是：能夠跟蹤數(shù)據(jù)變化。這一特點所有指數(shù)都具有。預測過程中添加最新的樣本數(shù)據(jù)后，新數(shù)據(jù)應(yīng)取代老數(shù)據(jù)的地位，老數(shù)據(jù)會逐漸居于次要的地位，直至被淘汰。這樣，預測值總是反映最新的數(shù)據(jù)結(jié)構(gòu)。一次指數(shù)平滑有局限性。第一，預測值不能反映趨勢變動、季節(jié)波動等有規(guī)律的變動；第二，這種方法多適用于短期預測，而不適合作中長期的預測；第三，由于預測值是歷史數(shù)據(jù)的均值，因此與實際序列的變化相比有滯后現(xiàn)象。指數(shù)平滑預測是否理想，很大程度上取決于平滑系數(shù)。Eviews提供兩種確定指數(shù)平滑系數(shù)的方法：自動給定和人工確定。選擇自動給定，系統(tǒng)將按照預測誤差平方和最小原則自動確定系數(shù)。如果系數(shù)接近1,說明該

3、序列近似純隨機序列，這時最新的觀測值就是最理想的預測值。出于預測的考慮，有時系統(tǒng)給定的系數(shù)不是很理想，用戶需要自己指定平滑系數(shù)值。平滑系數(shù)取什么值比較合適呢？一般來說，如果序列變化比較平緩，平滑系數(shù)值應(yīng)該比較小，比如小于0.1；如果序列變化比較劇烈，平滑系數(shù)值可以取得大一些，如0.30.5。若平滑系數(shù)值大于0.5才能跟上序列的變化，表明序列有很強的趨勢，不能采用一次指數(shù)平滑進行預測。例1某企業(yè)食鹽銷售量預測?，F(xiàn)在擁有最近連續(xù)30個月份的歷史資料(見表1)，試預測下一月份銷售量。表1某企業(yè)食鹽銷售量單位：噸月份銷售量月粉銷售量月份捎售量126.725.72127.6229.51230號2229.

4、9329,031.52330.2429上1428.1243心532,21530.82.530.8631.41629.52628,8725.71729.82730.8832.11830.02832.2g29.11929.92931.21(130.82()31,53025.4解：使用Eviews對數(shù)據(jù)進行分析，第一步是建立工作文件和錄入數(shù)據(jù)。有關(guān)操作在本章第一節(jié)中已經(jīng)闡明，這里不再贅述。假設(shè)已經(jīng)建立工作文件，并生成了一個樣本期為130的序列，命名為SALES。序列SALES中包含例1中需要分析的數(shù)據(jù)。第二步，繪制序列圖形。在序列對象窗口中，點擊ViewLineGraph。屏幕顯示圖1所示圖形。盛E

5、Vien's-Scries:SALESH:orkfile：EXPONENT1ALSMOOTH1G11口EileEditQbjectsViewEracsQuicli:OctionsHindowHelp二暨：mwHil"|=nau|IF=utpcaulatlu-?lhi3LEL圖1某企業(yè)近30個月的銷售量動態(tài)圖從圖1中可以看出，這個企業(yè)近30個月的銷售量并不存在明顯的趨勢，并且沒有明顯的季節(jié)趨勢。因此，從直觀上判斷可以采用一次指數(shù)平滑法對企業(yè)下個月的銷售量進行預測。第三步，擴大樣本期。本例要求對下一個月的銷售量進行預測，而工作文件的樣本期是130，在Eviews中要求先更改樣本期

6、。更改樣本期的操作在本章第一節(jié)已經(jīng)講過，這里將樣本期改為131。第四步，進行指數(shù)平滑。指數(shù)平滑的菜單操作方法有兩種：一是在主工作文件窗口打開的情況下，點擊主窗口的QuickSeriesStatisticsExponentialSmoothing；二是在序列對象窗口中點擊ProcsExponentialSmoothingo點擊后屏幕出現(xiàn)如圖2所示的指數(shù)平滑對話框。指數(shù)平滑對話框中包含五個部分的選項：平滑方法(SmoothingMethod)、平滑系數(shù)(SmoothingParameters)、平滑后生成序列的名稱(SmoothedSeries)、預測樣本范圍(EstimationSample)和

7、季節(jié)變動周期(CycleforSeasonal)o對話框左上部分的平滑方法(SmoothingMethod)包括：Single一次指數(shù)平滑Double二次指數(shù)平滑HoltWintersNoseasonalHoltWinters無季節(jié)模型HoltWintersAdditiveHoltWinters季節(jié)迭加模型HoltWintersMultiplicativeHoltWinters季節(jié)乘積模型平滑系數(shù)(SmoothingParameters)包括Alpha，Beta，Gamma。平滑系數(shù)可由系統(tǒng)自動給定，也可以由用戶指定。缺省狀態(tài)是由系統(tǒng)自動給定。如果用戶需要指定，只需在對應(yīng)參數(shù)的位置填入指定的數(shù)

8、值。本例中，分別指定Alpha的值為0.3和0.5。當指定平滑系數(shù)為0.3時，預測的殘差平方和為137.2978；當平滑系數(shù)為0.5時，預測的殘差平方和為165.0685。因此這里選擇平滑系數(shù)為0.3時的預測結(jié)果。根據(jù)一次指數(shù)平滑方法的預測，該企業(yè)下個月的銷售量應(yīng)為29.2噸。ExponentialSmoothing|X|6moothngMethod:ttParametersSingleDouble*;Hol:-Winters-NoseasoriaI;Hol/Winters-AdditiveHol:-Wiriters-MultiplicativeSmoothedSeries:ISALESMSe

9、riesnameforsmoothedandforecastedvalues.EstimationSample:SmoothingParameters:130Alpha;meanBeta:trendGamma:seasonalEnternumberbetween0and1JarEtoestimste.Forecastsbegininperiodfolbwingestimatiorendpoint.CycleforSedsondl:Cancel圖2指數(shù)平滑對話框（二）二次指數(shù)平滑二次指數(shù)平滑又稱雙重指數(shù)平滑。相對于一次指數(shù)平滑，二次指數(shù)平滑可以預測有一定線性趨勢的序列，其預測期也長一些。例2某公

10、司19902001年的實際銷售額如表2所示。請根據(jù)此資料預測2002年和2003年企業(yè)銷售額。表2某公司銷售額單位：萬元年份1銷售額年份銷轡京1W3319%441991361997481992321998461993341199950199442200054199540200158解：第一步，建立工作文件，樣本期為19902001的年度數(shù)據(jù)。在新建立的工作文件中，生成一個名為SALES的新序列。打開SALES序列對話框，將表2中的數(shù)據(jù)錄入。第二步，繪制序列圖形。從圖中可以看到，該企業(yè)的銷售額存在明顯的增長趨勢（見圖3）。序列的波動并不是很劇烈。由此判斷，使用二次指數(shù)平滑法進行預測比較合適。第三

11、步，擴大樣本期。由于本例需要預測下兩年的銷售額，因此將工作文件的樣本期更改為19902003年。sEViews-Series：SALESTortfile：EXPONENTIALSMOOTHIKG2口EileEditObjectsEewEracsQuldtOutionsHindcMQrlp«加|丹。竹|0討4戲0|曲gl.QtElld沏|LiZ過IPi.Lh%:«¥L<n4U-k£Ll«i|IB=mu.IT=ucpHunlar!u?vLEu.le2圖3某企業(yè)19902001年銷售額變動情況第四步，指數(shù)平滑。根據(jù)前例中的方法，用戶可以進入如圖

12、2的指數(shù)平滑對話框。本例中，選擇二次指數(shù)平滑的方法，并讓系統(tǒng)自動確定系數(shù)。結(jié)果如表3所示。原序列SALES中共有12個觀測值，即19902001年的企業(yè)銷售額。在進行二次指數(shù)平滑時，系統(tǒng)根據(jù)這12個數(shù)值自動確定了最優(yōu)的平滑系數(shù)a=0.244。此時，對序列進行二次指數(shù)平滑預測的殘差平方和為101.3594，均方根誤差為2.906306。在Eviews給出指數(shù)平滑結(jié)果統(tǒng)計表（見表3）時，并沒有直接給出對2002年和2003年銷售額的預測值。這兩個數(shù)值保存在系統(tǒng)生成的平滑序列SALESSM中，用戶只需打開該序列就可以看到二次指數(shù)平滑方法預測的結(jié)果。結(jié)果顯示，該企業(yè)在2002年和2003年的銷售額，分

13、別預計為56.6萬元和59.4萬元。表3二次指數(shù)平滑結(jié)果如果將二次指數(shù)平滑的預測結(jié)果和原觀測值共同顯示在同一張圖上，可以使用戶看起來更清楚。首先在工作文件菜單中同時選中兩個序列SALES和SALESSM，方法是先點擊一個序列，之后按住鍵盤上的Shift鍵再點擊另外一個序列。然后點擊工作文件菜單工具欄中的Show，在彈出的對話框中點擊OK。此時，系統(tǒng)將彈出一個類似序列對象窗口的群窗口（見圖4）,窗口中以Excel表格的形式同時顯示出SALES和SALESSM。最后點擊該窗口（見圖5）?？贕roup:UNTITLE.¥iew|FrOCEObjectsPrint|Ifante|Freere

14、Edit+/-|5mpL+/-|bobsSALESSMSALESj19032.238W3300000Ami34.181353GOOCOOmi35.6856732.00000j1S93361240634.00000|199436.6336742.00000jms40.520914000000j伽41.9117944.000001W44.544954800000j13847.9694946.00000|1彌4896475000000|200051.2905554.00000|2Q0154.502045800000V<jI>|圖4群對象窗口圖5實際銷售額與平滑值序列對比圖二、趨勢延伸法實

15、例時間序列的趨勢即序列隨時間變化的基本規(guī)律和特點。對于存在趨勢的序列，通常可以選取適當?shù)哪Ｐ瓦M行分析和預測。()直線趨勢直線趨勢模型是一種最常用，也是最成熟的方法。模型的基本結(jié)構(gòu)為：Yt=a+bt式中，a,b是模型的參數(shù)。這種模型的結(jié)構(gòu)比較簡單，估計方法非常成熟，是很多其他趨勢模型估計的基礎(chǔ)。下面結(jié)合實例說明如何使用該軟件進行直線趨勢模型的預測。例3設(shè)某市19922002年市場雞蛋銷售量如表4所示。試預測2003年該市雞蛋銷售量。表4某市雞蛋銷售量單位：萬千克年粉銷傳量年份19923619984219932619994S1994322(X)()4519954020015519965020025

16、6199745解:第一步，建立一個新的工作文檔，文檔的樣本期為19922002年。生成序列SALES，錄入表4中的銷售量觀測值。第二步，打開SALES序列對象窗口，點擊View-LineGraph，繪制序列散點圖(見圖6)。EEViews-Series：SALESWorkfile：LEASTSQCARES3口FileEditQbjecrtsViewErcK；弓QuidkOctionsHindcwHelp和訊|片0可|ObjectsSttvlilfiwIShwlSeIdut|Llhal«rj6050403020,9293949596979899000102oSALES|fiilh=c：

17、VavL-irYarJcEaL-ixUB-muW=liuLiqiir圖6序列散點圖Eviews中沒有直接繪制散點圖的菜單選項。當需要繪制散點圖時，首先需要繪制連線圖(LineGraph)。屏幕顯示圖形對象窗口后，用鼠標左鍵雙擊圖形的任意位置，或者點擊右鍵，然后在彈出的菜單中選擇Options。此時，系統(tǒng)將彈出圖形屬性對話框。圖形屬性對話框中的選項很多。用戶在這里可以方便地更改圖形的類型GraphType)、圖形的屬性(GraphAttitude)、線形圖格式見(LineGraph)、條形圖格式(BarGraph)等。這里，將圖形的類型選擇為線形圖(LineGraph)，再在線形圖格式中選擇僅有

18、標示(SymbalsOnly)。點擊OK。從散點圖上可以看出，該序列基本呈現(xiàn)出一種直線增長的趨勢，因而宜采用直線趨勢延伸的方法進行預測。第三步，生成時間變量To在進行模型參數(shù)的估計時通常要用到最小二乘的方法，其中，觀測值就是因變量，序列T就是自變量。生成一個新序列的方法有很多，可以通過菜單操作，也可以直接在主窗口中輸入命令行實現(xiàn)。有關(guān)菜單操作的方法在本章第一節(jié)中已經(jīng)說明，這里采用命令行的形式生成序列ToEviews生成序列的命令為data，用戶只需在主窗口中輸入命令：dataT。對于序列T,用戶可以在打開的對象窗口中為它賦值，比如賦值1，2，3,如果用戶需要直接生成含有值的序列T，也可以利用函

19、數(shù)生成序列，在主窗口中輸入命令行(見圖7)。圖7T序列生成命令和取值情況節(jié)略genrT=trend系統(tǒng)自動生成序列T,并從0開始計數(shù)，它的取值依次為0，l，2，3,第四步，模型估計。在Eviews中最小二乘回歸的命令是LS，它的基本書寫格式為:LS因變量C自變量其中，C代表模型中的常數(shù)項，對于沒有常數(shù)項的模型可以不寫。本例中，使用下面的命令進行回歸：LSSALESCT（見表5）。EEViewsFileEditObjectsViewProcsWindowHelpQuick0巨tidataTAgenrT=lrendIssalescTVEquation:UNTITLEDViFTi：esObjsets

20、FrirLtN：=dTiFt乜乜h色Estimit&F-ircist|S+atsF：色弓id蘭DependentVariableSALESMethodLeastSquare-sD日怕；OG/01/04Time;15;22Sample;19922002IncludedQljser/ations;11VariahleCoefficientStdErrort-StatisticProbC312272728813151O.037S600000T2.3909090.4S70314.90915100008R-squared0.728095eandependentvar4318182Adjusled

21、R-squared0.697883SD.dependentvar9293204SEofregression5106025Akaikeinfocriterion6262468Sumsquaredresid234.8273Schwarzcriterion6.334813Loglikelihood3244358F-statislic2403976Durbin-Watsonstat1.880225Prob(F-statiStic)0000837Pathg:eviewworkEilesDEnoneWF=leastsq_u3res3SEViewsMBS5ileEcitFreesini?>ij>

22、ticngHelpdata-人genr-=trEndIssalescT*r-i*口£3aEquation：UN.口E3nS江.J韶Print|tf&naPreViev|Procs|Objects|Save|LView|ProheObjects|PrintB：ime|Freeze|EstinateForeVigvFracs1Obj0ci.mRange:19D22003-iSaiipb19522003匚szinatenCommand:SALESF閾C0-MID0SALES更SALE5FLSSALESCTEstinatjoiEquariori：199231.227277199333

23、.61Bl319943G.MB09199538.4DD000rSALES-C(1+G(2rTSubstitutedCoeffcients:199640.7D091199743.1813219984&辺73j199947.9E364SALES-3122727273+2390909091T2価50.3545&|200152745451|2002£1363G-120035752727V|皿>l<lMCLPath=g:evieftworkEilesDB=noneTF=leastsqusreE表5最小二乘回歸結(jié)果根據(jù)表5的結(jié)果，得到如下模型：sale=31.227+

24、2.391XT第五步，進行預測。根據(jù)上述模型結(jié)果，可以很容易地給出2003年雞蛋銷售量的預測結(jié)果。將T=11代入上述模型，計算結(jié)果表明該企業(yè)2003年的雞蛋銷售額為57.5萬元。（二）曲線趨勢經(jīng)濟序列中有很多呈現(xiàn)出曲線變化的趨勢。直線趨勢的估計比較簡單，曲線趨勢的估計則更為常用。指數(shù)曲線、二次曲線、三次曲線和龔拍茲曲線是在市場經(jīng)濟序列中常見的模型,它們的估計也大同小異，這里就以指數(shù)曲線為例介紹如何使用Eviews進行模型的估計。例4某市近9年燈具商品銷售量資料如表6所示。試預測2002年的銷售量。解:第一步，建立一個新的工作文檔，文檔的樣本期為1993-2001年。生成序列SALES，錄入表中

25、的銷售量觀測值。表6某市燈具銷售量單位：萬件年份銷怦屋w!銷售址19938.7199826.01994199933,01995IM3200040.9ig%16.5200150.4199720.fi第二步，打開SALS序列對象窗口，點擊View-LineGraph，繪制序列散點圖（見圖8)。OEViews-Series:SALESWorkfile:.-戸OFileEditObjectsViewProcsQuick0tionsWindowHelpax¥iew|Objectw|Ffint|Hame|SamplGenr|SheEt|Statwlldent|Line|Har|60i50-40-

26、30-20-10-,°0!,939495969798990001°SALESFath=g：eviewworkfiles|DB-none|WF=least£quare£4圖8銷售量散點圖從繪制出的散點圖可以看出，該企業(yè)的燈具銷售變動呈現(xiàn)規(guī)律的加速增長。根據(jù)經(jīng)驗判斷，要預測該企業(yè)下一年度的銷售數(shù)據(jù)，可以使用指數(shù)趨勢模型。如果計算出銷售數(shù)據(jù)的環(huán)比增長率，可以更加確信地選擇指數(shù)模型。本章內(nèi)容以各類方法的軟件實現(xiàn)為主要闡述內(nèi)容,對模型選擇有興趣的讀者可以參閱本書前面的相關(guān)章節(jié)。第三步，生成時間變量T。這里采用系統(tǒng)自動生成的方法，即輸入命令：genrT=trend。

27、第四步，對因變量序列進行變換。在變化因變量序列之前，首先要弄清楚為什么變換。指數(shù)模型的基本形式如下：Yt=abt從統(tǒng)計學的角度考慮，傳統(tǒng)的估計方法無法直接估計這種模型的參數(shù)，因此需要對模型的形式進行變換，從而使參數(shù)可以被估計出來。指數(shù)趨勢模型通過變換可以變成一個線性模型，所以指數(shù)模型稱為可線性化的模型。指數(shù)模型變換后的結(jié)果為：log(Yt)=log(a)+log(b)Xt細心的讀者會發(fā)現(xiàn)，這時模型的形式與前面介紹的直線趨勢模型非常的相似，只是模型左邊的因變量作了一個對數(shù)變換。所以，對因變量進行變換的原因?qū)嶋H上源自對模型的變換,變換的目的是為了能夠使用傳統(tǒng)的估計方法估計出模型的參數(shù)。對于指數(shù)模型

28、，通常要將因變量作對數(shù)變換。在Eviews中就是要生成一個新的序列，新序列的數(shù)值恰好等于原觀測序列的值取對數(shù)的結(jié)果。使用命令的方式進行操作，在主窗口中輸入如下命令：genrlsales=log(sales)lsales是新生成序列的名稱。如果作出lsales的散點圖，會發(fā)現(xiàn)變換后的序列基本呈一條直線。這里留給有興趣的讀者自己去試一試。第五步，模型估計。在主窗口中輸入下面的命令：LSlsalesct注意，這里實際上是用變換后的序列和時間變量T進行線性回歸，估計的結(jié)果為參數(shù)log(a)和log(b)的值(見表7)。表7線性回歸結(jié)果EEViewsAFileEditObjectsVietvProcsQ

29、uickOtionsWindowHelpgenrT=trendgenrlsales=log(sales)LSIsalesctViewIProcslobjectaIFrintINameIF口Equation:UNTITLEDreereIEatima-telForecaatlstataResideDependentVariable:LSALESMethodLeastSquaresDateOE701/04Time:Sample:19932001Includedobservations:19519VariahleCoefficientStdErrort-StatisticProkiC214627600

30、0705030444S300000T02224%0.001481150.259800000R-squared0999G90Meandependentvar3036258AdjusiedR-squared0999G46SD.dependentvar0609423SEofregression0011470Akaikeinfocriterion-5.905078Sumsquaredresid0000921Schwarzcriterion-5.861250Loglikelihood28.57285F-statistic225充01Durbin-Watsonstat1409630Prob(F-stati

31、stic;0000000第六步，進行預測。根據(jù)表7的結(jié)果，可以得到如下模型:DB=rLunePathg：Vevis'lYworkfliesWF=1eastequaree4log(Sales)=2.1463+0.2225XT將T=9代入上述模型，求得log(sales)=4.1488。從而可以預測出該企業(yè)在2002年的銷售量為63.36萬件。三、季節(jié)指數(shù)法實例()季節(jié)模型的類型季節(jié)模型是反映具有季節(jié)變動規(guī)律的時間序列模型。季節(jié)變動通常是指以年為一個周期的變化。引起季節(jié)變動的首要因素是四季更迭。季節(jié)變動在很多產(chǎn)品市場上都是一種常見現(xiàn)象，最為典型的季節(jié)性產(chǎn)品市場如冷飲、服裝、空調(diào)等。傳統(tǒng)的時

32、間序列分析把時間序列的波動歸結(jié)為四大因素：趨勢變動(T)、季節(jié)變動(S)、循環(huán)變動(C)和不規(guī)則變動(I)。其中循環(huán)變動指周期為數(shù)年的變動，這種變動不一定存在固定變化周期和確定性變化規(guī)律，通常指經(jīng)濟周期。不規(guī)則變動即隨機變動。四種變動因素對序列的影響被概括為兩個經(jīng)典模型：乘法模型Y=TSCI加法模型Y=T+S+C+I乘法模型通常適用于因素T,S,C相關(guān)的情形，比如季節(jié)因素的作用隨著趨勢的變化而改變；加法模型通常適用于因素T,S,C相互獨立的情況。需要注意的是，季節(jié)模型一般需要3年以上的季度或月度數(shù)據(jù)。(二)季節(jié)調(diào)整對序列進行季節(jié)調(diào)整，就是將季節(jié)變動從序列中去除?；舅悸肥牵篩/S=TSI/S=

33、TI或Y-SI=TI序列里存在季節(jié)波動常常會妨礙市場人員對某些問題的認識。比如，3月份的飲料銷售比2月份好嗎？如果單單從數(shù)據(jù)的表面看，3月份的銷量應(yīng)該比2月份好。但這種所謂的“好”并沒有考慮季節(jié)變動而引起的市場規(guī)模的擴大，也就是說，如果剔除季節(jié)因素的影響，3月份的銷售效果未必比2月份好。季節(jié)調(diào)整的目的就是為了剔除掉季節(jié)因素的作用，從而使序列本身的趨勢特征更加準確地顯現(xiàn)出來。Eviews中有兩種實現(xiàn)季節(jié)調(diào)整的菜單操作方法。在主窗口中點擊菜單QuickSeriesStatisticsSeasonalAdjustment，或者在序列對象窗口中點擊工具欄按鈕ProcsSeasonalAdjustmen

34、t。點擊后，屏幕出現(xiàn)季節(jié)調(diào)整對話框窗口(見圖9)。對話框左上部分是季節(jié)調(diào)整的方法(AdjustmentMethod)，包括CensusX11法、移動平均季節(jié)乘法(RatiotomovingaverageMultiplicative)>移動平均季節(jié)加法(DifferencefrommovingaverageAdditive)o系統(tǒng)默認的方法是移動平均季節(jié)乘法。對話框左下部分是待計算序列(SeriestoCalculate)，包括調(diào)整后序列(AdjustedSeries)名稱和季節(jié)因子(Factors)名稱。季節(jié)因子計算是可選的，只有用戶在其對應(yīng)的框中輸入名稱后，系統(tǒng)才會將季節(jié)因子計算的結(jié)果

35、保存在一個序列中。例5現(xiàn)有某地區(qū)某種產(chǎn)品產(chǎn)量近4年的分月資料(見表8)，試預測該種產(chǎn)品2003年各月的產(chǎn)量。表8某地區(qū)某產(chǎn)品產(chǎn)量單位：萬件月份I999J121518iOJILJ月份產(chǎn)量月份產(chǎn)量月份2000.JioII121014162220io2001J10111012152026152(X)2.11012產(chǎn)竝1215171921253&42382216SeasonalAdjustment1Options:SlidingSpans|H9AdjustedSeries:Factors(optional):|SUPLYSAlSeriestoCalculate:Cance11monthlyOp

36、tions:Tradingdayadjustments:+NeverAlwaysIfSignificantHclidyadiustment?;*NeverAlwaysIfSignificant圖9季節(jié)調(diào)整對話框解：第一步，建立一個新的工作文檔，文檔的樣本期為1999年三月一2002年12月。生成序列SUPLY，錄入表中的產(chǎn)量數(shù)據(jù)。第二步，打開SUPLY序列對象窗口，點擊View-LineGraph,繪制連線圖（見圖10）。EEViews-Scries：SUPLYorkfile：SEAS0NALADJUSTMENT1口EileEditQbjecrtsViewErnesQuidcOctionsHi

37、ndcwHelp乜竺Objactwhg|H»m中|內(nèi)的甸魚里屯屯竺J辿gr色試山色巴也竺丄叮I|.Ui=e：WLonrkfLlvx11IB=mu11HF=mwtutltijuaIriant圖10產(chǎn)量變化圖從圖形的形狀很容易看到，該種產(chǎn)品的產(chǎn)量確實存在非常明顯的季節(jié)變動。第三步，生成調(diào)整后序列。根據(jù)前面的方法，生成調(diào)整后序列SUPLYSA和季節(jié)團于序列JIJIE。這里使用的模型是乘法模型，因此在如圖9所示的對話框中選擇的季節(jié)調(diào)整方法是移動平均季節(jié)乘法(RatiotomovingaverageMultiplicative)。季節(jié)調(diào)整后產(chǎn)量變化情況和月度季節(jié)因子見圖11和表9。EEView

38、s-Series：SUPLYSAfforkfile：SEASONALDTLSTMEM口EileEditQbjectsViewEracsQuicli:OctionsHindowHelp£2£ljX2£L0£=Ifjjd|H»m中|Fy誡»3525-15105-IIIIIIII99:0199:0700:0100:0701:0101:0702:0102:07SJPLYSAFath=f:'i-iYLora-M-kfLlyxIB=nauHF=uaLriiuh.圖11季節(jié)調(diào)整后產(chǎn)量變化情況表9月度季節(jié)因子nSeri.WiewFfoceIdtijEcitE|Ffint|Hajne|FjteeData:06/01,-04Tima:2042Sample:1999012002:12Includedohsen/ations:48RatiotcFTlovingAverageOr