Eviews应用时间序列分析实验手册模板.doc

应用时间序列分析试验手册目录目录2第二章时间序列预处理3一、平稳性检验3二、纯随机性检验9第三章平稳时间序列建模试验教程10一、模型识别10二、模型参数估量（怎样判定拟合模型和结果写法）13三、模型显著性检验17四、模型优化18第四章非平稳时间序列确实定性分析19一、趋势分析19二、季节效应分析34三、综合分析38第五章非平稳序列随机分析44一、差分法提取确定性信息44二、ARIMA模型58三、季节模型62第二章时间序列预处理一、平稳性检验时序图检验和自相关图检验（一）时序图检验依据平稳时间序列均值、方差为常数性质，平稳序列时序图应该显示出该序列一直在一个常数值周围随机波动，而且波动范围有界、无显著趋势及周期特征例2.1检验1964年——1999年中国纱年产量序列平稳性1.在Eviews软件中打开案例数据图1：打开外来数据图2：打开数据文件夹中案例数据文件夹中数据文件中序列名称能够在打开时候输入，或在打开数据中输入图3：打开过程中给序列命名图4：打开数据2.绘制时序图能够以下图所表示选择序列然后点Quick选择Scatter或XYline；绘制好后能够双击图片对其进行修饰，如颜色、线条、点等图1：绘制散点图图2：年份和产出散点图图3：年份和产出散点图（二）自相关图检验例2.3导入数据，方法同上；在Quick菜单下选择自相关图，对Qiwen原列进行分析；能够看出自相关系数一直在零周围波动，判定该序列为平稳时间序列。图1：序列相关分析图2：输入序列名称图2：选择相关分析对象图3：序列相关分析结果:1.能够看出自相关系数一直在零周围波动，判定该序列为平稳时间序列2.看Q统计量P值：该统计量原假设为X1期，2期……k期自相关系数均等于0，备择假设为自相关系数中最少有一个不等于0，所以图知，该P值全部>5%显著性水平,所以接收原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间相互之间没有任何关联,所以说过去行为对未来发展没有丝毫影响,所以为纯随机序列,即白噪声序列.)有题目平稳性描述能够模拟书本33页最终一段.（三）平稳性检验还能够用：单位根检验：ADF,PP检验等；非参数检验：游程检验图1：序列单位根检验表示不包含截距项图2：单位根检验方法选择图3：ADF检验结果：图，单位根统计量ADF=-0.016384全部大于EVIEWS给出显著性水平1%-10%ADF临界值，所以接收原假设，该序列是非平稳。二、纯随机性检验计算Q统计量，依据其取值判定是否为纯随机序列。例2.3自相关图中有Q统计量，其P值在K=6、12时候均比较大，不能拒绝原假设，认为该序列是白噪声序列。另外，小样本情况下，LB统计量检验纯随机性更正确。第三章平稳时间序列建模试验教程一、模型识别1.打开数据图1：打开数据2.绘制趋势图并大致判定序列特征图2：绘制序列散点图图3：输入散点图两个变量图4：序列散点图3.绘制自相关和偏自相关图图1：在数据窗口下选择相关分析图2：选择变量图3：选择对象图4：序列相关图4.依据自相关图和偏自相关图性质确定模型类型和阶数假如样本(偏)自相关系数在最初d阶显著大于两倍标准差范围，以后几乎95％自相关系数全部落在2倍标准差范围以内，而且通常由非零自相关系数衰减为小值波动过程很忽然。这时，通常视为(偏)自相关系数截尾。截尾阶数为d。本例：自相关图显示延迟3阶以后，自相关系数全部衰减到2倍标准差范围内波动，这表明序列显著地短期相关。但序列由显著非零相关系数衰减为小值波动过程相当连续，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1阶偏自相关系数显著大于2倍标准差之外，其它偏自相关系数全部在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值波动过程很忽然，所以该偏自相关系数可视为一阶截尾所以能够考虑拟合模型为AR(1)自相关系数偏相关系数模型定阶拖尾P阶截尾AR(p)模型Q阶截尾拖尾MA（q）模型拖尾拖尾ARMA(P,Q)模型具体判别什么模型看书58到62图例。：二、模型参数估量依据相关图模型确定为AR(1)，建立模型估量参数在ESTIMATE中按次序输入变量cxccx(-1)或cxcar(1)选择LS参数估量方法，查看输出结果，看参数显著性，该例中两个参数全部显著。细心同学可能发觉两个模型C取值不一样，这是因为前一个模型C为截距项；后者C则为序列期望值，两个常数含义不一样。图1：建立模型图2：输入模型中变量，选择参数估量方法图3：参数估量结果图4：建立模型图5：输入模型中变量，选择参数估量方法图6：参数估量结果三、模型显著性检验检验内容：整个模型对信息提取是否充足；参数显著性检验，模型结构是否最简。图1：模型残差图2：残差平稳性和纯随机性检验对残差序列进行白噪声检验，能够看出ACF和PACF全部没有显著异于零，Q统计量P值全