时间序列分析的基本过程.ppt

(时间序列分析的基本过程)案例基本信息 本例中使用的数据来自Demo.xls(在Eviews文件夹中点击Example Files→Data，找到这个文件)。利用这个例子来说明Eviews进行计量分析过程中的基本特性。 分析数据是一个时间序列数据，时间范围为1952年第一季度到1996年第四节度，数据中变量信息参见下表： 案例分析的主要任务 使用这个案例主要完成下面5个任务： 从Excel工作表中导入数据，学习Eviews导入数据的功能； 检验数据并且进行一些简单的统计分析； 使用回归分析建立计量模型； 对模型提出的基本假定进行参数检验； 对模型进行预测。 1.导入外部数据 打开Eviews软件，依次点击File→Open→Foreign Data as workfile，在Open对话框中，寻找到Eviews文件夹所在位置(Example Files→Data)，看到Demo.xls，双击该文件； 接下来会弹出Spreedsheet Read向导，该向导有两个步骤，它们知道我们如何将读入外部数据，本例中采用默认的方式，在第一个对话框中点击“下一步”，第二个对话框中点击“完成”，就可以导入Excel工作表文件； 在Eviews3.0以上的版本中，导入外部数据的功能有了很大的改进； 从工作文件中可以看到导入的Excel工作文件中包含GDP、PR、M1、RS这几个变量；它们组成了一个群，作为原始的数据，可以为这个群命名，点击工具栏上的Name按钮，在弹出的Object Name对话框中，Name to identify object下方的文本框中键入original；点击OK按钮，工作文件中就会增加一个名为original的群对象； 这个导入的工作文件可以保存下来，点击File Save as，弹出Save as对话框，在文件名后面的文本框中键入demo2，点击“保存”按钮；弹出一个提示对话框，点击OK按钮，将这个文件保存； 2.对变量进行简单的统计分析 2.1 单个序列的统计分析 如果我们想分析某个变量，比如对因变量M1，要了解它的均值、方差等基本统计量，可以在工作文件窗口双击M1的图标，或者单击该序列，点击鼠标右键，在快捷菜单中选择Open；或者点击Quick/Show...，打开M1序列；此时可以看到序列名称Series：M1显示在序列窗口工具栏的左上角； 点击序列窗口左上角的View工具栏，从中选择Descriptive Statistics→Stats Table，序列窗口中将会显示序列M1的描述性统计量； 点击View→Graph→Line，序列窗口中将会显示序列M1的折线图； 在3.0以上版本的Eviews中，图像编辑功能得到增强，可以对输出图形进行修饰，变得更加美观。 如果想看一下序列M1对数序列的相关统计量，点击Quick→Show...，弹出的对话框中有一个较大的空白文本框，键入log(m1)，点击OK按钮，序列窗口中会显示对数序列的数值； 点击工具栏上的View→Descriptive Statistics→Histogram and Stats ，序列窗口中会显示log(m1)的直方图和描述性统计量，从直方图以及峰度、偏度和Jarque-Bera统计量可以看出对数序列并不服从正态分布。 2.2 群对象的统计分析 在建立线性回归模型时，需要使用两个对数变量和一个差分变量，要将它们以group的形式显示出来，点击Quick→Show...，在Show对话框的空白文本框中键入log(m1) log(gdp) rs dlog(pr)，点击OK按钮，就可以看到这四个变量组成的一个群对象； 点击群对象工具栏左上角的View→Graphs→Line，可以看到四个序列的折线图显示在一个图形中； 点击群对象左上角的View→Multiple Graphs→Line，显示出来的是每个序列的折线图 点击群对象左上角的View→Descriptive Stats→Individual Samples，群对象窗口中依次显示这四个序列的描述性统计量： 要了解这几个变量之间的相关性，点击View→Correlations→Common Samples，群对象窗口中显示这4个变量的相关系数矩阵： 3.建立线性回归模型 3.1 建立一个基本线性回归模型 我们使用1952年第一季度到1992年第四季度(1952Q1-1992Q4)的数据为因变量M1建立一个线性回归模型，并且使用这个建立的模型对1993年第一季度到2003年第四季度的数据进行预测。 基本线性回归模型的表达式为： 要建立这个模型，点击Quick→Estimate Equation... ，弹出估计方程对话框；在Specification对话框中的空白文本框中键入：lo