用EVIEWS处理时间序列分析.doc

应应用用时间时间序列分析序列分析实验实验手册手册2目目 录录目目 录录........................................................................................................2第二章第二章 时间序列的预处理时间序列的预处理......................................................................3一、平稳性检验一、平稳性检验..................................................................................3二、纯随机性检验二、纯随机性检验..............................................................................9第三章第三章 平稳时间序列建模实验教程平稳时间序列建模实验教程....................................................10一、模型识别一、模型识别....................................................................................10二、模型参数估计（如何判断拟合的模型以及结二、模型参数估计（如何判断拟合的模型以及结果果写法）写法）........13三、模型的显著性检验三、模型的显著性检验....................................................................17四、模型优化四、模型优化....................................................................................18第四章第四章 非平稳时间序列的确定性分析非平稳时间序列的确定性分析................................................19一、趋势分析一、趋势分析....................................................................................19二、季节效应分析二、季节效应分析............................................................................34三、综合分析三、综合分析....................................................................................38第五章第五章 非平稳序列的随机分析非平稳序列的随机分析............................................................44一、差分法提取确定性信息一、差分法提取确定性信息............................................................44二、二、ARIMA 模型模型.............................................................................58三、季节模型三、季节模型....................................................................................623第二章第二章 时间序列的预处理时间序列的预处理一、平稳性检验一、平稳性检验时序图检验和自相关图检验时序图检验和自相关图检验 （一）时序图检验（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 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 例例 2.1 检验检验 1964 年年——1999 年中国纱年产量序列的平稳性年中国纱年产量序列的平稳性 1.在在 Eviews 软件中打开案例数据软件中打开案例数据图图 1：打开外来数据：打开外来数据4图图 2：打开数据文件夹中案例数据文件夹中数据：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图图 3：打开过程中给序列命名：打开过程中给序列命名图图 4：打开数据：打开数据52.绘制时序图绘制时序图 可以如下图所示选择序列然后点可以如下图所示选择序列然后点 Quick 选择选择 Scatter 或者或者 XYline；； 绘制好后可以双击图片对其进行修饰，如颜色、线条、点等绘制好后可以双击图片对其进行修饰，如颜色、线条、点等图图 1：绘制散点图：绘制散点图图图 2：年份和产出的散点图：年份和产出的散点图6010020030040050060019601970198019902000 YEAROUTPUT图图 3：年份和产出的散点图：年份和产出的散点图（二）自相关图检验（二）自相关图检验 例例 2.3 导入数据，方式同上；导入数据，方式同上； 在在 Quick 菜单下选择自相关图，对菜单下选择自相关图，对 Qiwen 原列进行分析；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。

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图图 1：序列的相关分析：序列的相关分析7图图 2：输入序列名称：输入序列名称图图 2：选择相关分析的对象：选择相关分析的对象图图 3：序列的相关分析结果：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 时间序列时间序列 2.看看 Q 统计量的统计量的 P 值：该统计量的原假设为值：该统计量的原假设为 X 的的 1 期，期，2 期期…………k 期的自相关系期的自相关系 数均等于数均等于 0，备择假设为自相关系数中至少有一个不等于，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，因此如图知，该 P 值都值都>5% 的显著性水平的显著性水平,所以接受原假设所以接受原假设,即序列是纯随机序列即序列是纯随机序列,即白噪声序列即白噪声序列(因为序列值之间彼此之因为序列值之间彼此之 间没有任何关联间没有任何关联,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,因此为纯随机序列因此为纯随机序列,即白噪即白噪 声序列声序列.) 有的题目平稳性描述可以模仿书本有的题目平稳性描述可以模仿书本 33 页最后一段页最后一段.（三）平稳性检验还可以用：（三）平稳性检验还可以用：8单位根检验：单位根检验：ADF,PP 检验等；检验等； 非参数检验：游程检验非参数检验：游程检验图图 1：序列的单位根检验：序列的单位根检验图图 2：单位根检验的方法选择：单位根检验的方法选择表示不包含截距项9图图 3：：ADF 检验的结果：如图，单位根统计量检验的结果：如图，单位根统计量 ADF=-0.016384 都大于都大于 EVIEWS 给出的显给出的显 著性水平著性水平 1%-10%的的 ADF 临界值，所以接受原假设，该序列是非平稳的。

临界值，所以接受原假设，该序列是非平稳的二、纯随机性检验二、纯随机性检验计算计算 Q 统计量，根据其取值判定是否为纯随机序列统计量，根据其取值判定是否为纯随机序列 例例 2.3 的自相关图中有的自相关图中有 Q 统计量，其统计量，其 P 值在值在 K=6、、12 的时候均比较大，不能拒绝原的时候均比较大，不能拒绝原 假设，认为假设，认为 该序列是白噪声序列该序列是白噪声序列 另外，小样本情况下，另外，小样本情况下，LB 统计量检验纯随机性更准确统计量检验纯随机性更准确10第三章第三章 平稳时间序列建模实验教程平稳时间序列建模实验教程一、模型识别一、模型识别1.打开数据打开数据图图 1：打开数据：打开数据 2.绘制趋势图并大致判断序列的特征绘制趋势图并大致判断序列的特征图图 2：绘制序列散点图：绘制序列散点图11图图 3：输入散点图的两个变量：输入散点图的两个变量图图 4：序列的散点图：序列的散点图123.绘制自相关和偏自相关图绘制自相关和偏自相关图图图 1：在数据窗口下选择相关分析：在数据窗口下选择相关分析图图 2：选择变量：选择变量图图 3：选择对象：选择对象13图图 4：序列相关图：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 如果样本如果样本(偏偏)自相关系数在最初的自相关系数在最初的 d 阶明显大于两倍标准差范围，而后几乎阶明显大于两倍标准差范围，而后几乎 95％的自相关％的自相关 系数都落在系数都落在 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，通常视为常突然这时，通常视为(偏偏)自相关系数截尾截尾阶数为自相关系数截尾截尾阶数为 d 本例：本例： 自相关图显示延迟自相关图显示延迟 3 阶之后，自相关系数全部衰减到阶之后，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零的相关系数衰减为小值波动的过程相当明序列明显地短期相关但序列由显著非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偏自相关图显示除了延迟 1 阶的偏自相关系数显著大于阶的偏自相关系数显著大于 2 倍标准差之外，其它的偏倍标准差之外，其它的偏 自相关系数都在自相关系数都在 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所以可以考虑拟合模型为 AR(1)自相关系数自相关系数偏相关系数偏相关系数模型定阶模型定阶拖尾拖尾P 阶截尾阶截尾AR(p)模型模型Q 阶截尾阶截尾拖尾拖尾MA（（q）模型）模型拖尾拖尾拖尾拖尾ARMA(P,Q)模型模型具体判别什么模型看书具体判别什么模型看书 58 到到 62 的图例。

的图例) 1 (MA) 1 (arB*)P(ARB*)2(ARB*) 1 (AR1B*)q(MAB*)2(MAB*) 1 (MA1ARMAB*)q(MAB*)2(MAB*) 1 (MA1MAB*)P(ARB*)2(ARB*) 1 (AR11ARtP2q2tXtq2 tXtP2tX14二、模型参数估计二、模型参数估计根据相关图模型确定为根据相关图模型确定为 AR(1)，建立模型估计参数，建立模型估计参数 在在 ESTIMATE 中按顺序输入变量中按顺序输入变量 cx c cx(-1)或者或者 cx c ar(1) 选择选择 LS 参数估计参数估计 方法，查看输出结果，看参数显著性，该例中两个参数都显著方法，查看输出结果，看参数显著性，该例中两个参数都显著。