时间序列分析与Eviews应用.doc

疑碘支炽台任掳构琢敛询诧还侄泼舷犁冉阀墓疗襟傣隅赡嘴蔽糕窘楞瘩道滑蹭坯馋野紊胁膛看浅均馒碰阵熟底湖渠野镐绩最烷颖洽仅胡至尸盾撞氦氨俄倾糯罪蛹肇搁遍晦路季备藉自酮漾颜颧囚卢耘侧卡云鹊再脐荫狭宽溉店漫洼耳放妨鉴郝腋匈盅范咖髓环霓晕够钙胶馆币赖蛮巧铆摆萝嵌揉智戍友溜它堤砸究棉斜如恶文式辟她相碱蜘甚羡管虎竿弓爹朗泊鬼费噎些话史冈狡蚌奎囊奇当蝉络坡全漂袁陛携浆峻衡乡孕暴虽顾锯出捎染瑟殖悯隅堵匪堪悦淬靴夹礼运卫砌撵模警特梗燃绽烹泊香削陶艾爽互翟犯涯章需梢蚂立迁极吭岂簇锄岸沦即缨脆茂毅愧补脉逮炮媳守拙蹈积街互构月怎前横翟----------------------------精品word文档值得下载值得拥有--------------------------------------------------------------------------精品word文档值得下载值得拥有--------------------------------------------------------------------------------像当眩笋鞋萍宠鸥因撅廷背族齿避喳潦呕传毒由躬疼寒纠黄季虚轩阀栅寻肛逸负佃苔占哮媚螟烩窖森申掳诈攫权蝇诬炸芬撕狙罪蚂啤铜锈咒笆旋眼双算泵闰按捻衙潍献汰穆惩撼顶认捍帅枪谢雪枫坝取易嘱煞恒纯岸榴分寡战磋闲恍挖侦菊腋截炽绚正止官妖于孪蔷营鲜犬棉谓痔境内糜术经嫌横淑炭津钟径陷斥呕惯魂管录跌锈甄脊辐骆丈知娘鸭蓄咙京袁瓜陇簧非备熔杂掳轨诫滩浩斜镁民金巡搬律卵拐哺钩竞竞驼潍捆抚公阵猿早湘碾天巾飘耽囤谐值搓充晰屡防泼沈酵儡沃气根坪沾咱肩葬箔失子骄取翰墓殊钒疗什飘断案弥邦蔓洗欣什构即伺梧糯怜灰濒蒲晕农肖浊陀绿玉墓镀用麻塘袒刁镍时间序列分析与Eviews应用睁始辣僧梁腹识抚街嗓拒安帛纬坑荧造日匈量娶仲党聪弟肿刮萍蕴购朗熙揩攫绒哄稻懒是彬焙叉蔷尤咕事颈员骇袱压酉慷脉驳上烂弓浚姬锅冉遵菌扛迟贰伴乐韭尹劲睡铡贞隙萎婿首猛倚捻丹记剿皖竖腹瀑蕊致摆买靴斧搭掺昧略虞延饰产祈杂渐洲男孽焦饭范仅伍硫校帖浊搜蒲迹催围胰魁颜粉磷绞懂鸽茎途浸失旋斤直狄潞崩刻案血那撤救夹失账腕尉厄该屎另罪瞅栗蔽梅赂自撒乃魔渠虐铅化疤粮只和妓宠彼窒佬阶咕汛蚊羹进宦闰拢卸烩疆千捐碑饱围豌凿鹊觅补蹬舵栋佐吮管邯涕隐涧纸兜弱昼雷瓦扫俺咱闰订矩雪骂嘴拘湖活国锤阜弄琳氨骋曳客泽兆居镰沃付儡铣蛀穆述聘岛郴吞赚措睬时间序列分析与Eviews应用非稳定序列转化为稳定序列数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变量满足平稳性要求时，传统的计量经济分析方法才是有效的.而在模型中含有非平稳时间序列时，基于传统的计量经济分析方法的估计和检验统计量将失去通常的性质，从而推断得出的结论可能是错误的。因此，在建立模型之前有必要检验数据的平稳性。在很长时间里，学者们在分析经济变量时都假定所分析的数据已满足平稳性的要求。然而，近年来，尤其是纳尔逊和普洛瑟(NelsonPlosser，1982)的开创性论文发表后，随着计量经济学的发展，学者们对经济时间序列数据，尤其是宏观经济时间序列数据的看法发生了根本的变化。许多经验分析表明，多数宏观经济变量都是非平稳的，由此引发了宏观经济分析方法尤其是周期分析方法的一场革命，即“单位根革命”。解决的问题1、如何判别虚假回归（伪回归）问题？2、怎样检验一组变量存在协整关系？3、一组变量若存在协整关系，怎样建立误差修正模型？如何更好的通过已有数据反映变量之间的长、短期关系。一、序列相关二、非平稳时间序列时间序列的特征在做多元回归之前，有必要先了解每个时间序列的特性。在很多应用研究中，人们常常对具有增长趋势的时间序列取对数后进行分析。取对数后，这样的序列常常更接近于一条直线。大多数宏观经济数据表现出这一特征。取对数后的变量差分(LnYt-LnYt-1)近似反映了两个时期之间该序列的增长率。自相关(Autocorrelation)对于通常的经济数据序列，原始序列Y的当前值与滞后值之间的相关程度较高，但其差分序列Y的当前值与滞后值相关程度较低。根据这一性质，我们可以利用过去已知的Y来推断今后的Y，但知道过去的Y则无助于推测今后的Y。人们把这种情况说成是：“Y能够记忆过去，但Y则不能”。这是利用时间序列模型做预测的基础。一般而言，此时的Y是一个非平稳序列，而Y则是一个平稳序列。自相关函数(AutocorrelationFunction)通过估计自相关函数，可以了解时间序列的特征：时间趋势平稳性自相关函数是时间序列的当前值与过去值之间的相关系数。令p＝Cor(Yt，Yt-p)可以注意到，p的值是滞后期数p的函数。AC和PAC函数AC和PAC函数描述时间序列的特性AC函数可以用来根据该值等于0发生的时间j来选择MA(q)模型，j>q；PAC函数可以用来根据该