ARMA模型的eviews的建立時間序列分析實驗指導

1、時間序列分析實驗指導統(tǒng)計與應用數(shù)學學院前言隨著計算機技術的飛躍發(fā)展以及應用軟件的普及，對高等院校的實驗教學提出了越來越高的要求。為實現(xiàn)教育思想與教學理念的不斷更新，在教學中必須注重對大學生動手能力的培訓和創(chuàng)新思維的培養(yǎng)，注重學生知識、能力、素質的綜合協(xié)調發(fā)展。 為此，我們組織統(tǒng)計與應用數(shù)學學院的部分教師編寫了系列實驗教學指導書。這套實驗教學指導書具有以下特點： 理論與實踐相結合，書中的大量經(jīng)濟案例緊密聯(lián)系我國的經(jīng)濟發(fā)展實際，有利于提高學生分析問題解決問題的能力。 理論教學與應用軟件相結合，我們根據(jù)不同的課程分別介紹了SPSS、SAS、MATLAB 、EVIEWS 等軟件的使用方法，有利于提高學

2、生建立數(shù)學模型并能正確求解的能力。這套實驗教學指導書在編寫的過程中始終得到安徽財經(jīng)大學教務處、實驗室管理處以及統(tǒng)計與應用數(shù)學學院的關心、幫助和大力支持，對此我們表示衷心的感謝！限于我們的水平， 歡迎各方面對教材存在的錯誤和不當之處予以批評指正。統(tǒng)計與數(shù)學模型分析實驗中心2007年 2 月目錄實驗一EVIEWS 中 時間序列相關函數(shù)操作【實驗目的】 熟悉 Eviews 的操作：菜單方式，命令方式；練習并掌握與時間序列分析相關的函數(shù)操作?！緦嶒瀮热荨恳?、 EViews 軟件的常用菜單方式和命令方式；二、各種常用差分函數(shù)表達式；三、時間序列的自相關和偏自相關圖與函數(shù)；【實驗步驟】一、 EViews

3、軟件的常用菜單方式和命令方式；創(chuàng)建工作文件菜單方式啟動 EViews 軟件之后，進入EViews 主窗口在主菜單上依次點擊File/New/Workfile，即選擇新建對象的類型為工作文件，將彈出一個對話框，由用戶選擇數(shù)據(jù)的時間頻率（ frequency ）、起始期和終止期。選擇時間頻率為 Annual（年度），再分別點擊起始期欄 （Start date ）和終止期欄（ End date ），輸入相應的日期，然后點擊 OK按鈕，將在 EViews 軟件的主顯示窗口顯示相應的工作文件窗口。工作文件窗口是 EViews 的子窗口，工作文件一開始其中就包含了兩個對象，一個是系數(shù)向量 C（保存估計系數(shù)

4、用），另一個是殘差序列 RESID（實際值與擬合值之差）。命令方式在 EViews 軟件的命令窗口中直接鍵入CREATE命令，也可以建立工作文件。命令格式為： CREATE時間頻率類型起始期終止期則菜單方式過程可寫為： CREATE A 1985 1998 輸入 Y、 X 的數(shù)據(jù)DATA命令方式在 EViews 軟件的命令窗口鍵入DATA命令，命令格式為：DATA 本例中可在命令窗口鍵入如下命令：DATAYX鼠標圖形界面方式在 EViews 軟件主窗口或工作文件窗口點擊Objects/New Object，對象類型選擇 Series ，并給定序列名，一次只能創(chuàng)建一個新序列。再從工作文件目錄中選

5、取并雙擊所創(chuàng)建的新序列就可以展示該對象，選擇Edit / ，進入編輯狀態(tài)，輸入數(shù)據(jù)。生成 log （ Y）、 log （X）、 X2、1/X 、時間變量 T 等序列在命令窗口中依次鍵入以下命令即可：GENRLOGY=LOG(Y)GENRLOGX=LOG(X)GENRX1=X2GENRX2=1/XGENRT=TREND(84)選擇若干變量構成數(shù)組，在數(shù)組中增加變量。在工作文件窗口中單擊所要選擇的變量，按住 Ctrl鍵不放，繼續(xù)用鼠標選擇要展示的變量，選擇完以后，單擊鼠標右鍵，在彈出的快捷菜單中點擊 Open/as Group，則會彈出數(shù)組窗口，其中變量從左至右按在工作文件窗口中選擇變量的順序來排

6、列。在數(shù)組窗口點擊 Edit / ，進入全屏幕編輯狀態(tài)，選擇一個空列，點擊標題欄，在編輯窗口輸入變量名， 再點擊屏幕任意位置， 即可增加一個新變量。增加變量后，即可輸入數(shù)據(jù)。點擊要刪除的變量列的標題欄，在編輯窗口輸入新變量名，再點擊屏幕任意位置， 彈出 RENAME對話框，點擊 YES按鈕即可。在工作文件窗口中刪除、更名變量。在工作文件窗口中選取所要刪除或更名的變量并單擊鼠標右鍵，在彈出的快捷菜單中選擇Delete （刪除）或 Rename（更名）即可在工作文件窗口中選取所要刪除或更名的變量，點擊工作文件窗口菜單欄中的 Objects/Delete selected （Renameselect

7、ed ），即可刪除（更名）變量在工作文件窗口中選取所要刪除的變量，點擊工作文件窗口菜單欄中的 Delete 按鈕即可刪除變量。三、圖形分析與描述統(tǒng)計分析利用 PLOT命令繪制趨勢圖在命令窗口中鍵入： PLOTY也可以利用 PLOT命令將多個變量的變化趨勢描繪在同一張圖中，例如鍵入以下命令，可以觀察變量Y、X 的變化趨勢PLOTYX利用 SCAT命令繪制 X、Y 的散點圖在命令窗口中鍵入： SCATXY則可以初步觀察變量之間的相關程度與相關類型二、各種常用差分函數(shù)表達式表 1-1:1949 年 1 月-1960 年 12 月數(shù)據(jù)1949195019511952195319541955195619

8、57195819591960年年年年年年年年年年年年1112115145171196204242284315340360417211812615018019618823327730131834239131321411781932362352673173563624064194129135163181235227269313348348396461512112517218322923427031835536342047261351491782182432643153744224354725357148170199230264302364413465491548622814817019924227

9、22933474054675055596069136158184209237259312355404404463508101191331621912112292743063473594074611110411414617218020323727130531036239012118140166194201229278306306337405432（一） 利用 D(x) 命令系列對時間序列進行差分 (x為表 1-1中的數(shù)據(jù) ) 。1、在命令窗口中鍵入：genr dx= D(x)則生成的新序列為序列x 的一階差分序列2、在命令窗口中鍵入：genr dxn= D(x,n)則生成的新序列為序列x 的 n

10、 階差分。3、在命令窗口中鍵入：genr dxs= D(x,0,s)則生成的新序列為序列x 的對周期長度為 s 一階季節(jié)差分。4、在命令窗口中鍵入：genr dxsn= D(x,n,s)則生成的新序列為對周期長度為s 的時間序列 x 取一階季節(jié)差分后的序列再取 n 階差分。5、在命令窗口中鍵入：genr dlx= Dlog(x)則生成的新序列為x 取自然對數(shù)后，再取一階差分。6、在命令窗口中鍵入：genr dlxsn= Dlog(x,n,s)則生成的新序列為周期長度為 s 的時間序列 x 先取自然對數(shù)，再取一階季節(jié)差分，然后再對序列取 n 階差分。在 EVIEWS中操作的圖形分別為：三、時間序

11、列的自相關和偏自相關圖與函數(shù) ；（一） 觀察時間序列的自相關圖。命令方式：（ 1）在命令行輸入命令：Ident x(x為序列名稱 ) ；2）然后在出現(xiàn)的對話框中輸入滯后時期數(shù)。（可取默認數(shù)）菜單方式：（ 1）雙擊序列圖標。菜單操作方式： ViewCorrelogram ，在出現(xiàn)的對話框中輸入滯后數(shù)。（可取默認數(shù)）（二） 練習：觀察一些文件中的序列自相關函數(shù)Autocorrelation相關函數(shù) Partial autocorrelation的特征，偏自練習1：操作文件： Stpoor1.wf1(美國S&P500工業(yè)股票價格指數(shù)1980 年1 月1996 年2 月)步驟：（ 1）打開該文件。（2

12、）觀察序列 stpoorr 的趨勢圖，自相關圖（自相關函數(shù)，偏自相關函數(shù)）的特征。（3）對序列取一階差分，生成新序列dsp： genr dsp=d(stpoor)，并觀察其趨勢圖，自相關圖（同上，下略）的特征。（ 4）對該序列的自然對數(shù)取一階差分，生成新的序列dlnsp=dlog(stpoor)，并觀察其趨勢圖，自相關圖。dlnsp： genr練習 2：操作文件： usagnp.wf1( 美國 1947 年第一季度 1970年第四季度 GNP 數(shù)據(jù) )步驟：（ 1）打開該文件。（2）觀察序列 usagdp 的趨勢圖的特征，自相關圖的特征。（3）對該序列取一階差分，生新的序列dgdp： Genr

13、 dgdp=d(usagdp) 。觀察其趨勢圖，自相關圖。（ 4）對該序列的自然對數(shù)取一階差分，生成新的序列dlngdp ： Genrdlngdp=dlog(gdp) 。觀察其趨勢圖，自相關圖。（5）對序列一階季節(jié)差分，生成新序列dsgdp=d(usagdp,0,4) 觀察其趨勢圖，自相關圖的特征。（6）對該序列的自然對數(shù)取一階季節(jié)差分，生成新的序列：dslngdp=dlog(usagdp,0,4)，觀察其趨勢圖、自相關圖。實驗二確定性時間序列建模方法【實驗目的】 熟悉確定性時間序列模型的建模原理；掌握確定性時間序列建立模型的幾種常用方法?！緦嶒瀮热荨恳?、多項式模型和加權最小二乘法的建立；二、

14、單參數(shù)和雙參數(shù)指數(shù)平滑法進行預測的操作練習；三、二次曲線和對數(shù)曲線趨勢模型建立及預測；【實驗步驟】一、多項式模型和加權最小二乘法的建立；1、我國 19741994 年的發(fā)電量資料列于表中，已知10077.26 億千瓦小時，試以表1.1 中的資料為樣本：1995年的發(fā)電量為（1） 據(jù)擬合優(yōu)度和外推檢驗的結果建立最合適的多項式模型。（2） 采用加權最小二乘法估計我國工業(yè)發(fā)電量的線性趨勢，并與普通最小二乘法估計的線性模型進行比較，列出OLS方法預測值和 W=0.6，W=0.7時 1992 到 1995 年預測值以及相對誤差。操作過74-7879-8384-8889-9394-95 程：建立16682

15、820377058489281WORKFILE:195830064107621210077.26CREATEA 19742031309344956775199522343277497375392566351454528395生成新序列 Y：data y生成新的時間趨勢序列t ： genr t=trend(1973)建立系列方程： smpl 1974 1994ls y c tls y c t t2ls y c t t2 t3通過擬合優(yōu)度和外推檢驗的結果發(fā)現(xiàn)一元三次多項式模型效果最好。首先生成權數(shù)序列： genr m=sqr(0.6(21-t)加權最小二乘法的命令方式：ls(w=m) y c t普

16、通最小二乘法命令方式：ls y c t進行預測：打開對應的方程窗口，點forecast話框，修改對話框sample range forforecast截止日期為預測期 .按紐，將出現(xiàn)對中的時間期限的相對誤差的計算公式為：（實際值 - 預測值） / 實際值二、單參數(shù)和雙參數(shù)指數(shù)平滑法進行預測的操作練習2、某地區(qū) 19962003年的人口數(shù)據(jù)如表1.2 ，運用二次指數(shù)平滑法預測該鎮(zhèn) 2004 年底的人口數(shù)（單位：人）。0.419961997199819992000200120022003114333115823117171118517119850121121122389123626建立 WORKF

17、ILE ： create U1996 2004建立新序列 Y 和 T：datay然后輸入數(shù)值。genr t=trend(1995)打開 y 序列，點擊 exponentialsmoothing 按紐 ，出現(xiàn)如圖所示對話框按照圖示選項點擊確定即可。3、某地區(qū) 19962003 年農(nóng)村用電量數(shù)據(jù)見表 1.3 ，試利用 Holt 雙參數(shù)指數(shù)平滑法預測該地區(qū) 2004 年該地區(qū)農(nóng)村用電量（單位：千瓦時）。19961997199819992000200120022003844.5963.21106.91244.81473.91655.71812.71980.1建立 WORKFILE ： create U

18、19962004建立新序列 Y 和 T：datay然后輸入數(shù)值。genr t=trend(1995)打開 y 序列，點擊 exponentialsmoothing 按紐 ，出現(xiàn)如圖所示對話框按照圖示選項點擊確定即可。三、二次曲線和對數(shù)曲線趨勢模型建立及預測；4、我國民航客運量數(shù)據(jù)的季節(jié)調整。 有關數(shù)據(jù)如表 1.4 ，對序列進行季節(jié)調整。（1 指 1993 年 10 月，54 指 1998 年 3 月）并對調整后序列建立二次曲線和對數(shù)曲線趨勢模型， 得到兩個方程的民航客運量趨勢估計值， 并進行季節(jié)調整，求出兩個趨勢方程建立的季節(jié)模型預測值。（ 選做）12345673282632512412493

19、163441112131415161738436840136333636633121222324252627397.31463509474508458.944123132333435363744748343951455048953441424344454647416451486.2507458.9949356251525354398442404.55428實驗三時間序列隨機性和平穩(wěn)性檢驗【實驗目的】認識 Eviews 輸出的時間序列自相關圖的內容及含義：自相關函數(shù)、偏自相關函數(shù)、95%置信限、 Q-statistic。學會通過自相關圖的Q統(tǒng)計量判斷序列是否為白噪聲。通過觀察序列的趨勢圖及自相關

20、圖判斷序列是否為平穩(wěn)序列?！緦嶒瀮热荨恳?、本次練習主要操作文件為ar1.wf1 ，ar2.wf1 ，ma1.wf1，ma2.wf1，arma11.wf1 ， arma21.wf1 ，各文件中包含的序列都是模擬生成的零均值平穩(wěn)序列。二、總結各種過程自相關函數(shù)，偏自相關函數(shù)的特征。三、觀察其他文件中的序列，看其是否平穩(wěn)，若不平穩(wěn)，試通過適當?shù)牟罘肿儞Q、方差平穩(wěn)化變換 ( 取對數(shù)，平方根等 ) 使其轉化為平穩(wěn) 序列，然后觀察序列的自相關函數(shù)，偏自相關函數(shù)的特征，并與自已總結的各種過程的特征對照。【實驗步驟】練習 1. 操作文件： ar1.wf1說明：該文件中含有三個序列： at 為模擬生成的正態(tài)白噪

21、聲序列； x、y 均是模擬生成的 ar(1) 過程，其參數(shù)各不相同。文件中有兩個模型： EQX、EQY分別是對 x、y 的估計結果。操作內容：（ 1）觀察序列 at 的自相關圖，看其是否為白噪聲序列，為什么？（2）觀察序列 x 的自相關圖：樣本自相關函數(shù)（SACF）呈指數(shù)衰減，樣本偏自相關函數(shù)（SPACF）滯后一階截尾。（3）觀察序列y 的自相關圖：樣本自相關函數(shù)呈正負交替的指數(shù)衰減，樣本偏自相關函數(shù)滯后一階截尾。（4）分別打開 EQX、 EQY，試寫出對 x、 y 的估計結果。練習 2：操作文件： ar2.wf1說明：該文件中含有四個序列：at 為模擬生成的白噪聲序列；x，y，z 均為模擬生

22、成的 AR(2)過程，且其參數(shù)各不相同。文件中有三個模型：分別是對x、y、z 的估計結果。操作內容：1）分別觀察序列 x，y，z 的自相關圖，看其樣本自相關函數(shù)，樣本偏自相關函數(shù)各有什么特征。（提示：其樣本自相關函數(shù)分別呈混合指數(shù)衰減、正負交替的混合指數(shù)衰減、阻尼正弦波衰減；樣本偏自相關函數(shù)均滯后二階截尾）。2）分別打開 EQX、EQY、 EQZ，寫出對 x、y、z 的估計結果。練習 3：操作方件： ma1.wf1說明：文件中的序列 x、y 分別為模擬生成的 ma(1) 過程，其參數(shù)各不相同。文件中的模型 EQX、 EQY為對 x、y 的估計結果。操作內容：（ 1）分別觀察序列x， y 的自相

23、關圖，看其樣本自相關圖，偏自相關圖各有什么特征。 （提示：其樣本自相關函數(shù)均呈滯后一階截尾，樣本偏自相關函數(shù)分別呈指數(shù)衰減、正負交替的指數(shù)衰減）。（2）分別打開 EQX、 EQY、寫出對 x、y 的估計結果。練習 4：操作文件： ma2.wf2說明：文件中的序列分別為模擬生成的MA(2)過程，其參數(shù)各不相同。操作內容：（ 1）分別觀察序列 x， y 的自相關圖，看其樣本自相關圖，偏自相關圖各有什么特征。 （提示：各序列的樣本自相關函數(shù)均滯后二階截尾，樣本偏自相關函數(shù)分別呈混合指數(shù)衰減、正負交替的混合指數(shù)衰減，阻尼正弦波衰減）。（2）分別打開 EQX、EQY、寫出對 x、 y 的估計結果。練習

24、5：操作文件： ARMA11.wf1說明：文件中的序列 x，y，z 分別為模擬生成的不同參數(shù)的 ARMA(1,1)過程，EQX、EQY、EQZ分別為對各序列估計的結果。操作內容：（ 1）分別觀察序列x， y 的自相關圖，看其樣本自相關圖，偏自相關圖各有什么特征。（提示：各序列的自相關函數(shù)，偏自相關函數(shù)都呈指數(shù)衰減）。（2）寫出各模型的估計結果。練習 6：操作文件： ARMA21.wf1操作內容：（ 1）分別觀察序列x， y 的自相關圖，看其樣本自相關圖，偏自相關圖各有什么特征。（提示：各序列的自相關函數(shù)，偏自相關函數(shù)都呈指數(shù)衰減）。（2）寫出各模型的估計結果。實驗四時間序列季節(jié)性、可逆性檢驗【

25、實驗目的】觀察具有實際背景的經(jīng)濟數(shù)據(jù)，判斷其是否平穩(wěn)、是否含有季節(jié)性，均值是否為零。能運用合適的方法如差分、季節(jié)差分、取對數(shù)、平方根等，使序列變?yōu)槠椒€(wěn)序列；平穩(wěn)序列減去其均值，使其零均值化。【實驗內容】 一、判斷序列的平穩(wěn)性和可逆性，給出相應判斷依據(jù)，并寫出模型形式。二、找出自己感興趣的數(shù)據(jù)，判斷數(shù)據(jù)是否平穩(wěn)，是否具有季節(jié)性，均值是否為零等?！緦嶒灢襟E】練習一操作文件： ar1.wf1 ，ar2.wf1 ，ma1.wf1，ma2.wf1，arma11.wf1 ，arma21.wf1操作內容 ：一、（ 1）打開文件 ar1.wf1 ，(2) 依 據(jù)EQX， 寫 出 關 于 序 列x的 模 型 形

26、 式 ： Xt=0.68Xt-1+at（3）寫出用 B 算子表示的模型形式： (1 0.68B) Xt = at判斷模型是否平穩(wěn)？說明原因。寫出該模型的傳遞形式。二、（ 1）打開文件 ar2.wf1（2）依據(jù) EQX寫出序列 x 的模型形式為： Xt=0.49Xt-1 +0.25Xt-2+at寫出用 B 算子表示的形式：判斷模型是否平穩(wěn) ?說明原因。試推導模型的傳遞形式。并寫出其前 5 個格林函數(shù)。三、（ 1）打開文件 ma1.wf1依據(jù) EQX寫出序列 X 的模型形式： Xt= at 0.82at-1寫出用 B 算子表示的形式： Xt= (1 0.82B)at判斷模型是否可逆？說明原因。（5

27、）寫出該模型的逆轉形式。四、（ 1）打開文件 arma1.wf1(2) 依據(jù) EQX寫出序列 X 的模型形式： Xt= 0.92 Xt-1 +at0.57at-1寫出用 B 算子表示的形式： (1 0.92B)Xt= (1 0.57B)at判斷模型是否平穩(wěn)？是否平穩(wěn)？說明原因。5）試推該模型的傳遞函數(shù)形式。五、 打開 ma2.wf1，寫出各序列模型形式及用B 算子表示的形式，判斷序列是否可逆，試推導其逆轉形式。打開 ARMA21.wf1，寫出各序列模型形式及用B 算子表示的形式，判斷序列是否平穩(wěn)，是否可逆，試推導其傳遞函數(shù)形式，逆轉形式。練習二操 作文 件： zl1.wf1zl20.wf1，

28、gdp.wf1， gdpindex.wf1， stpoor.wf1，usagnp.wf1 等。文件說明：（ 1）zl1wf1zl20.wf1各文件是教材后附錄III所列資料，各數(shù)據(jù)背景參見附錄。（2） gdp.wf1為我國19782001各年GDP數(shù)據(jù)。Gdpindex.wf1為我國19532001各年GDP指數(shù)，即各年GDP發(fā)展速度數(shù)據(jù)。（3）stpoor.wf1，usagnp.wf1文件說明見第一次上機實習內容說明。判斷是否平穩(wěn)、是否具有季節(jié)性的方法：1）通過序列的趨勢圖粗略的判斷。2）通過序列的自相關圖判斷。若序列自相關函數(shù)衰減緩慢，滯后較長時期仍不為零，則可初步斷定序列非平穩(wěn)。若序列的

29、自相關函數(shù)周期性的顯著不為零（如月度數(shù)據(jù)的滯后12 期， 24 期， 36 期等自相關函數(shù)顯著不為零；季度數(shù)據(jù)的滯后4，8，12，16 各期自相關函數(shù)顯著不為零）則可判斷序列含有季節(jié)性。使序列平穩(wěn)化的方法：（1）若數(shù)據(jù)方差非平穩(wěn)，應先通過對數(shù)變換、平方根變換等方法，使序列方差平穩(wěn)。（2）先通過差分消除序列的長期趨勢（如果有的話）。（3）再通過季節(jié)差分消除序列的季節(jié)性（如果有的話）。差分函數(shù)的使用可見前兩次上機實習內容。使平穩(wěn)序列零均值化的方法：。如要求平穩(wěn)序列x 的均值，并對序列x 零均值化，則可用如下命令：Scalar)Genr y=x m其中：Scalar 命令在 Eviews 中表示生成

30、標量數(shù)據(jù) （均值只是一個數(shù)， 而不是序列）。為對 x 零均值化后的序列。當然，上述命令也可簡化為：Genr y=x mean(x)習題三：用自相關分析圖識別1990 年 1 月至 1997 年 12 月我國工業(yè)總產(chǎn)值的月度時間序列及其自然對數(shù)的平穩(wěn)性，并說明理由。若不平穩(wěn)試繪制自然對數(shù)序列的一階逐期差分和一階季節(jié)差分后的我國工業(yè)總產(chǎn)值序列的相關分析圖。1990 年 1 月至 1997 年 12 月我國工業(yè)總產(chǎn)值 （單位：億元）年月數(shù)據(jù)199011421.421367.431719.741759.651795.761848.171637.381670.991760.1101789.5111888

31、.6121981.4199111757.821485.731893.941969.852033.76210371836.381914.792022.2102045.1112069.2122136199211984.221812.432274.742328.952373.162515.8722888232192441.1102502.6112608.8122823.8199312179.122408.732869.442916.753022.163274.572862.982864.292908102911.8113101.3123664.3199412903.322513.8334094349

32、9.553642.663871.47337383463.493663.74103753.38113973.17124469.02199512996.722740.333580.943746.353817.964046.673483.983510.693703.1103810.7114091124650.799199613476.622970.333942.644067.654746.89964417.29973806.883746.394011.1104129.6114372.899124991.5199713843.8423181.2634404.4944520.1854638.996496

33、9.9374146.89984198.794536.839104718.91115034.939125545.74實驗五ARMA模型的建立、識別、檢驗【實驗目的】熟悉對零均值平穩(wěn)序列建立ARMA模型的前三個階段：模型識別、模型參數(shù)估計、診斷檢驗。（1） 根據(jù)時間序列自相關圖對零均值平穩(wěn)序列進行初步的模型識別。（2） 運用 Eviews 軟件估計 ARMA模型參數(shù)。對所建立的模型是否為適應性模型進行診斷檢驗?！緦嶒瀮热荨磕Ｐ妥R別根據(jù)零均值平穩(wěn)化后的序列的自相關函數(shù)和偏自相關函數(shù)表現(xiàn)出的特征，對序列進行初步的模型識別（注：這種方法并不總是有效）。模型參數(shù)估計Eviews 建立 ARMA模型的命令用

34、到 AR、MA、SAR，SMA等參數(shù)項。其中 SAR、SMA兩參數(shù)在建立季節(jié)性時間序列模型時要用到。例如：對一個 零均值的平穩(wěn)序列x 建立 ARMA (2,1) 模型，1）命令操作方式為： ls x ar(1) ar(2) ma(1)（ 2）菜單操作方式： Quick- Estimate equation ，輸入：x ar(1) ar(2) ma(1)，OK。以上述操作方式建模時，Eviews 自動采用非線性最小二乘法估計模型參數(shù)。模型的診斷檢驗：1 判斷模型是否為適應性模型判斷模型是否為序列的適應性模型，主要根據(jù)模型殘差是否為白噪聲來判斷，若殘差是白噪聲，則可認為此模型是序列的適應性模型，否

35、則，不是。Eviews 操作：在模型窗口， View-Residual tests-CorrelogramQ statistics根據(jù)輸出的殘差的 Q統(tǒng)計量判斷殘差是否為白噪聲序列。 怎么根據(jù) Q的統(tǒng)計量判斷殘差是否為白噪聲序列？2 模型中各項的取舍若建立的模型為適應性模型， 還要看輸出項中各變量是否顯著 ( 通過輸出結果中的 t 統(tǒng)計量值及相應的 P 值) ，對不顯著的項，要剔除，然后重新建模。3 模型的選擇（定階）對于同一個序列來說，可能有多個適應性模型，要從這多個適應性模型中選擇，通常根據(jù)多個模型輸出項中的赤池信息準則 (AIC ，Akaike info criterion) 和施瓦茨準

36、則 (SBC， Schwartz Bayes criterion) 進行比較，一般認為這兩個統(tǒng)計量值越小的模型越好。4模型平穩(wěn)性和可逆性的判斷判斷模型是適應性模型后， 還應判斷模型是否平穩(wěn)和可逆，判斷方法如下。模型輸出結果最下方輸出的兩項，AR inverted root (inverted root（如果有的話），其含義分別為：如果有的話) 和MAinverted AR root：為模型自回歸AR部分所對應的差分方程的特征方程的特征根。若特征根的絕對值都小于1，則說明模型是平穩(wěn)的；若其中有大于或等于1 的，說明模型非平穩(wěn)；若有等于1 或很接近于1 的，說明原序列為單位根過程，需要先對序列進行

37、差分平穩(wěn)化變換( 有幾個單位根，作幾階差分變換) ，然后建模。invertedMAroot ：為模型移動平均MA部分所對應的差分方程的特征方程的特征根。若特征根絕對值都小于 1，則說明模型是可逆的； 若有大于或等于 1 的，說明模型不可逆；若有等于 1 或很接近于 1 的，則很有可能在數(shù)據(jù)處理過程中，對原序列過度差分了，這時需要減少對序列差分的階數(shù)，再重新建模。；【實驗步驟】練習一操作文件：參見上機3 練習一操作內容：打開一個文件，如arma2.wf1選取一個序列，如 x，判斷序列是否為平穩(wěn)， 均值是否零均值平穩(wěn)序列 （本例略）。觀察該序列自相關圖，根據(jù)自相關函數(shù)滯后二階截尾，偏自相關函數(shù)表現(xiàn)

38、為拖尾，初步判斷模型階數(shù) AR(2)。建模： ls x ar(1) ar(2)診斷檢驗：a. 模型是否為序列的適應性模型：檢驗模型殘差是否為白噪聲。b.模型中各項是否顯著：用各變量的t 檢驗值及相應的p 值。模型選擇：先記下擬合的 ar(2) 模型的 AIC 和 SBC。再擬合其它模型如： ARMA(2,1)，記下輸出的 AIC 和 SBC。比較上述結果，看哪個更小。d.判斷模型是否平穩(wěn)：看inverted AR root是否小于 1.練習二 ：操作文件：參見上機3 練習二操作內容：打開一個文件（1） 選取一個序列，判斷序列是否平穩(wěn)，均值是否為零，若否，應先將序列轉化為零均值平穩(wěn)序列。轉化方法

39、見以前上機實習內容。（2）（4）同上。實驗六ARMA 模型的診斷性檢驗【實驗目的】通過練習，進一步熟悉建模步驟：模型識別，參數(shù)估計，診斷檢驗（適應性檢驗、模型定階等）?！緦嶒瀮热?】(1)三個模型是否都為適應性模型？(2)哪個模型更佳？(3)三個模型中均包含了常數(shù)項，其與序列均值有何關系？(4)各個模型的估計中， 實際用到的觀察值的個數(shù)分別為多少？【實驗步驟】操作文件： zl1.wf1zl20.wf1 及其它具有實際背景的數(shù)據(jù)。練習一 zl14.wf1 磨輪剖面數(shù)據(jù)，見附錄。操作步驟： 1、判斷序列 mlpm 是否平穩(wěn)，均值是否為零。2、根據(jù)自相關圖，進行模型識別。3、建立模型： ls mlp

40、m c ar(1) ar(2)4、模型診斷檢驗：看此模型是否合適。5再分別建立兩個模型，且重復上述步驟。ls mlpm c ma(1) ma(2)ls mlpm c ar(1) ma(1)練 習二 、 依據(jù)上 述思 路， 請分 別 對 zl17.wf1 ， zl18.wf1 ， gdpindex.wf1 等文件進行操作。 （該組文件中的數(shù)據(jù)本身為平穩(wěn)數(shù)據(jù)）練習三、操作文件：zl1.wf1 ，zl3.wf1 ，zl4.wf1 , zl5.wf1 ，zl19.wf1 ，gdp.wf1，stpoor.wf1。（該組文件中的數(shù)據(jù)均非平穩(wěn)，建模前需先作適當變換）練習四、 操作文件： zl2.wf1 ，

41、zl11.wf1 ， zl20.wf1 ， usagnp.wf1等。（該組文件中的數(shù)據(jù)均含有季節(jié)性，建模前需作適當變換）實驗七ARMA 模型的預測【實驗目的】： （1）進一步熟悉 ARMA 模型建模過程。（ 2）利用 ARMA 模型進行預測。預測說明： Eviews 中有兩種不同的預測處理方式： Dynamic（動態(tài)）和 Static（靜態(tài)）。 熟悉對零均值平穩(wěn)序列建立 ARMA模型的前三個階段：模型識別、模型參數(shù)估計、診斷檢驗。【實驗內容 】 平穩(wěn)時間序列模型預測非平穩(wěn)時間序列模型的預測【實驗步驟 】平穩(wěn)時間序列模型預測操作文件： zl14.wf1（1）打開 zl14.wf1（2）對序列 m

42、lpm 建立 AR(2) 模型操作命令： ls mlpm c ar(1) ar(2)（3）進行追溯預測：操作：在 Equation 窗口，選 Forecast菜單，在出現(xiàn)的對話框中，選 static，將預測結果存入 mlpmf1 序列中，單擊 OK 。觀察輸出結果 mlpmf1 。說明： static 為一步超前預測。（4）進行向前多步預測。操作命令： expand1 259smpl251 259然后在 Equation 窗口，選 Forecast菜單，在出現(xiàn)的對話框中，選Dynamic，并將預測結果保存在 mlpmf2 序列中，單擊 OK 。觀察輸出結果 mlpmf2 。說明： Dynami

43、c 為動態(tài)預測。注： S.E 用于存放預測的估計標準誤差，便于計算置信區(qū)間。非平穩(wěn)時間序列預測（操作文件：gdp.wf1）操作步驟： (1)打開 gdp.wf1，(2)對序列 dlog(gdp)建立 ar(2)模型操作命令： ls dlog(gdp) ar(1) ar(2)(3)進行追溯預測：打開 forecast 對話框，選 forecast of gdp，選 static，預測結果保存在 gdpf1 中，單擊 OK。(4)進行向前多步預測操作命令： expand19782005smpl20022005打開 forecast 對話框，選 forecast of gdp ，選 dynamic，

44、預測結果保存在 gdpf2 中，單擊 OK 。觀察輸出結果。實驗八復習 ARMA建模過程【實驗目的】 復習利用 Eviews 對時間序列建立ARMA模型的過程【實驗內容】 ARMA模型建模前的準備：判斷序列是否平穩(wěn)通過序列自相關圖、趨勢圖等進行判斷若序列不平穩(wěn)：均值非平穩(wěn)序列通過 差分變換 轉換為平穩(wěn)方差非平穩(wěn)序列通過 對數(shù)變換等 轉化為平穩(wěn)序列模型平穩(wěn)化以后，將序列零均值化1） 模型識別主要通過序列的自相關函數(shù)、偏自相關函數(shù)表現(xiàn)的特征，進行初步的模型識別2） 模型參數(shù)估計在 Eviews 中估計 ARMA模型的方法估計模型以后要能寫出模型的形式 ( 差分方程形式和用 B 算子表示的形式)3） 模型的診斷檢驗根據(jù)模型殘差是不是白噪聲來