7.第七章序列教程.ppt

第七章 序 列 ; EWIEWS提供序列的各种统计图、统计方法及过程。当用第4、6章描述的方法向工作文件中读入数据后，就可以对这些数据进行统计分析和图表分析。;§7.1 表单和图示 ;表单和图示：;§7.2 描述统计量 ; 均值 (mean) 即序列的平均值,用序列数据的总和除以数据的个数。; 偏度（Skewness） 衡量序列分布围绕其均值的非对称性。计算公式如下 ; 峰度（Kurtosis） 度量序列分布的凸起或平坦程度，计算公式如下 ; Jarque-Bera 检验 检验序列是否服从正态分布。统计量计算公式如下 ;§7.3 统计量的检验 ;1、均值检验 ; 如果给定x的标准差，Eviews计算Z统计量： ; 表中的Probability值是P值（边际显著水平）。在双边假设下，如果这个值小于检验的显著水平，如0.05则拒绝原假设。这里我们坚决拒绝原假设。;2、方差检验 ;3、中位数检验 ;§7.4 相关图 ;; §7.4.1 自相关（Autocorrelations, AC） ;§7.4.2 偏自相关（Partial Autocorrelations, PAC） ; Eviews在P阶滞后下估计偏相关的计算式如下 ;§7.4.3 Q-统计量 ;§7.5 单位根检验 ;§7.6 标签（label） ;§7.7 建立新序列 ;§7.8 季节调整(Seasonal Adjustment) ;经济时间序列的分解 ; 在经济分析中，季节变动要素和不规则要素往往遮盖或混淆了经济发展中的客观变化，给研究和分析经济发展趋势和判断目前经济处于什么状态带来困难，因此需要在经济分析之前，将经济时间序列进行分解，剔除其中的季节变动要素和不规则要素。经济时间序列分解模型，依据时间序列的四个构成要素在模型中的相互关系，可以表现为多种不同的形式，但就一般而言，基本的分解模型只有两类：即加法模型和乘法模型。 ;我国工业总产值的时间序列图形 ;工业总产值的趋势·循环（TC）要素图形 ;工业总产值的循环要素（C）图形 ;工业总产值的季节变动要素（S）图形 ;工业总产值的不规则要素（I）图形 ; §7.8.1 Census X12方法 ; 调用X12季节调整过程，在序列窗口选择Procs/Seasonal Adjustment / Census X12，打开一个对话框： ; 一、季节调整选择（Seasonal Ajustment Option） ① X11方法（X11 Method） 这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须伴随ARIMA说明）；对数加法。注意乘法；伪加法和对数加法不允许有零和负数。 ② 季节滤波(Seasonal Filter) 当估计季节因子时，允许选择季节移动平均滤波（可能是月别移动平均项数），缺省是X12自动确定。近似地可选择(X11 defaul)缺省选择。需要注意以下几点： ·在对话框指定的季节滤波应用于所有频率。如果想对不同的频率用不同的滤波，应该使用更一般的X12命令语言。 ·如果序列短于20年，X12不允许指定3×15的季节滤波。 ③ 趋势滤波（Trend Filter (Henderson)） 当估计趋势—循环分量时，允许你指定亨德松移动平均的项数，可以输入大于1和小于等于101的奇数，缺省是由X12自动选择。; ④ 存调整后的分量序列名（Component Series to save） X12将被调整的序列名作为缺省列在Base name框中，可以改变序列名。在下面的多选钮中选择要保存的季节调整后分量序列，X12将加上相应的后缀存在工作文件中： ·最终的季节调整后序列（＿SA）； ·最终的季节因子（＿SF）； ·最终的趋势—循环序列（＿TC）； ·最终的不规则要素分量（＿IR）； ·季节/贸易日因子（＿D16）； ·假日/贸易日因子（＿D18）；; 二、ARIMA选择（ARIMA Option） ; 1．数据转换（Data Transformation） 在配备一个合适的ARMA模型之前允许转换序列。缺省是不转换；Auto选择是根据计算出来的AIC准则自动确定是不做转换还是进行对数转换；Logistic选择将序列y转换为log(y/(1-y))，序列的值被定义在0和1之间；Box-Cox power选择要求提供一个参数λ，做下列转换：; 2．ARIMA说明(ARIMA Spec) 允许在