1、10/15/2021EViews統計分析在計量經濟學中的應用1第第 章章 時間序列模型時間序列模型 6.1 時間序列的趨勢分解時間序列的趨勢分解6.2 時間序列的平穩性及其檢驗時間序列的平穩性及其檢驗6.3 隨機時間序列分析模型隨機時間序列分析模型6.4 習題（略）習題（略）10/15/2021EViews統計分析在計量經濟學中的應用26.1：時間序列的趨勢分解o 實驗目的：熟悉和掌握濾波在時間序列模型中的應用。o 實驗數據：1996年1月-2011年10月世界集裝箱船手持訂單量（單位為萬TEU）（相關數據和工作文件存放于文件夾 “書中資料/第6章” ） 。o 實驗原理：Hodrick-Pre

2、scott和BP濾波方法o 實驗預習知識： Hodrick-Prescott和BP濾波方法相關知識10/15/2021EViews統計分析在計量經濟學中的應用3實驗步驟一：基礎數據的錄入 在進行本章實驗之前，我們要進行工作文件的創建和數據的輸入等工作，這些在前面章節已有詳細介紹，在此不再贅述。本實驗建立了名為“6-1.wfl”的工作文件，該文件里包括序列t和x，相關數據已經錄入。 10/15/2021EViews統計分析在計量經濟學中的應用4實驗步驟二：選擇濾波方法 以Hodrick-Prescott濾波為例（BP濾波操作基本相同）分解序列x的趨勢要素，具體過程如下： （1）打開工作文件“6-

3、1.wfl”，點擊工具欄中的Procs/Hodrick Prescott Filter,出現6.1所示的HP濾波對話框。10/15/2021EViews統計分析在計量經濟學中的應用5HP濾波對話框 圖6.1 HP濾波對話框 首先對分解后的趨勢序列進行命名，Eviews將默認一個序列名，如hptrend02，也可填入一個新的趨勢序列名；其次，設定參數的取值，一般年度數據取100，季度和月度數據分別取1 6 0 0 和 1 4 4 0 0 ， 本 例 取14400，不允許填入非整數。10/15/2021EViews統計分析在計量經濟學中的應用6實驗步驟三：結果分析 （2）點擊圖6.1中的OK按鈕，

4、Eviews中將原序列和趨勢序列顯示在同一圖形中，如圖6.2所示。圖6.2 HP濾波結果 10/15/2021EViews統計分析在計量經濟學中的應用7實驗步驟三：結果分析 如圖6.2所示，是包含長期趨勢成分和周期波動成分的經濟時間序列，Trend是其中含有的趨勢成分，Cycle是其中含有的周期波動成分，即，而Hodrick-Prescott濾波目的是將從中將分解出來。從趨勢上看，世界集裝箱船手持訂單量呈現總體上升趨勢，但2008年后出現明顯下將趨勢；而從周期波動看，世界集裝箱船手持訂單量的波動幅度則越來越大，即周期性越來越明顯。10/15/2021EViews統計分析在計量經濟學中的應用8R

5、eady? Lets go to the next10/15/2021EViews統計分析在計量經濟學中的應用96.2：時間序列的平穩性及其檢驗o 實驗目的：熟悉和掌握圖示法和單位根檢驗法去判斷時間序列的平穩性。o 實驗數據：1996年1月-2011年10月世界集裝箱船手持訂單量（單位為萬TEU）（相關數據和工作文件存放于文件夾 “書中資料/第6章” ）。o 實驗原理：圖示法和單位根檢驗法o 實驗預習知識：圖示法和單位根檢驗法相關知識10/15/2021EViews統計分析在計量經濟學中的應用10實驗步驟一（圖示法）：圖示信息錄入 使用圖示判斷時間序列的平穩性，具體過程如下：（1）打開工作文件

6、“6-1.wfl”，點擊工具欄中的View/Graph,出現圖6.6所示的對話框。 圖6.6 圖示對話框 10/15/2021EViews統計分析在計量經濟學中的應用11圖示對話框 在圖6.6中，可選擇數據圖的類型Graph Type，Eviews給出9種圖示類型，通常系統默認Line Symbol，即線條和符號；另外，在細節部分，主要包含了圖標數據來源（Graph data）、排列方式（Orientation）、軸線邊界（Axis border），可按選擇默認，進行相關操作。10/15/2021EViews統計分析在計量經濟學中的應用12時序圖（2）點擊圖6.6中的OK按鈕，Eviews中將

7、原始數據用線條圖形表示出來，如圖6.7所示。圖6.7 集裝箱船手持訂單時間序列10/15/2021EViews統計分析在計量經濟學中的應用13時序圖 從圖6.7可發現，世界集裝箱船手持訂單量總體呈現上升趨勢，但在2008年后，出現明顯的下降趨勢，由此可見，原始的世界集裝箱船手持訂單量x是不平穩的序列。為進一步驗證x的平穩性，需通過自相關圖和偏自相關圖分析。10/15/2021EViews統計分析在計量經濟學中的應用14實驗步驟二（圖示法）：相關圖分析（3）點擊工具欄中的View按鈕，選擇Correlogram菜單項，如6.8所示，點擊后則出現圖6.9所示的對話框。圖6.8 選擇Correlog

8、ram菜單項10/15/2021EViews統計分析在計量經濟學中的應用15相關分析參數 在圖6.9中，有兩個選擇：一是針對何種數據生成相關圖，主要分為原變量（level）、一階差分變量（1st difference）及二階差分變量（2st difference），這里選擇level；二是確定相關圖的滯后期（Lags to include），這里選擇36。圖6.9 相關分析參數10/15/2021EViews統計分析在計量經濟學中的應用16自相關、偏自相關圖 圖6.10中，虛線表示到中心線2個標準差寬度，Autocorrelation和AC分別表示自相關函數的圖形和數值，Partial Cor

9、relation和PAC分別表示偏自相關函數的圖形和數值。序列穩定性可以用自相關分析圖判斷：如果序列的自相關系數很快地（滯后階數K大于2或3時）趨于0，即落入隨機區內，時間序列是平穩的；反之，則序列是非平穩的。若自相關系數大于臨界值，則時間序列數據有顯著的自相關性。從圖6.10中可以看出自相關函數在延遲36階的過程中，沒有迅速向零趨近的趨勢，這說明該序列是非平穩序列。為了進一步獲得平穩序列，一般將原序列取對數，在此基礎上，分別分析其原序列、一階及二階序列。 圖6.10自相關、偏自相關圖 10/15/2021EViews統計分析在計量經濟學中的應用17實驗步驟三（圖示法）：取對數后的相關圖（5）

10、打開取對數后的數據表m,分別重復（2）-(4)操作，分別得在原序列、一階差分和二階差分下的相關圖，如圖6.11-6.13所示。圖6.11 取對數后水平條件下相關圖10/15/2021EViews統計分析在計量經濟學中的應用18取對數后一及二階差分相關圖圖6.12 取對數后一階差分條件下相關圖圖6.13 取對數后二階差分條件下相關圖10/15/2021EViews統計分析在計量經濟學中的應用19實驗步驟四（圖示法）：結果分析 從圖6.11和6.12中可以看出自相關函數在延遲36階的過程中，沒有迅速向零趨近的趨勢，這說明取取對數后的水平及一階差分序列是非平穩序列；而圖6.13則表明，自相關函數在延

11、遲36階的過程中，有迅速向零趨近的趨勢，這說明取對數后的二階差分序列是平穩序列；10/15/2021EViews統計分析在計量經濟學中的應用20實驗步驟一（單位根）：檢驗方法的選擇（1）打開工作文件“6-1.wfl”，點擊工具欄中的View，選擇Unit Root Test，如圖6.14所示，接著會出現單位根檢驗對話框，如圖6.15所示。圖6.14單位根檢驗菜單欄10/15/2021EViews統計分析在計量經濟學中的應用21單位根檢驗選項 如圖6.15所示，單位根檢驗選項有四個選擇區域： Test type（檢驗方法）：包括6種檢驗方法，主要為ADF檢驗、DF檢驗、PP檢驗、KPSS檢驗、E

12、RSPO檢驗及NP檢驗，系統默認選擇ADF檢驗； Test for unit in（所檢驗的序列），有三種可供選擇： Level：表示對水平序列進行單位根檢驗； 1st difference：表示對序列的一階差分序列進行單位根檢驗； 2nd difference：表示對序列的二階差分序列進行單位根檢驗； 一般地，如果對原序列進行單位根檢驗的原假設沒有被拒絕，而序列的一階差分檢驗拒絕原假設，則序列存在一個單位根，即該序列是一階單整I（1）的；如果序列一階差分檢驗仍沒有拒絕原假設，則需要對序列進行二階差分檢驗。本系統默認選擇水平序列做單位根檢驗。圖6.15 單位根檢驗選項 10/15/2021EV

13、iews統計分析在計量經濟學中的應用22單位根檢驗選項 Include in test equation（選擇不同檢驗式），也有三種可供選擇： Intercept：表示檢驗回歸方程中僅有截距項； Trend and intercept：表示檢驗回歸方程中既有趨勢項，又有截距項； None：表示檢驗回歸方程中既不包含趨勢項，也不包含截距項。 注意：不同選擇下單位根檢驗結果會發生變化，系統默認選擇檢驗式中只包括截距項。 Lag length（檢驗式中差分項的最大滯后期數）， Automatic selection：表框內有6種選擇準則，即AIC、SIC、HQC、MA、MS、MHQ、t-statis

14、tics，系統默認選擇SIC；此外，可自行設定相應的最大滯后期數（Maximum Lags），本書按系統默認的最大滯后期數14進行操作。 User specified：表示使用者自行設定滯后階數，如果選擇該項，需要在右邊的編輯框內輸入滯后階數。10/15/2021EViews統計分析在計量經濟學中的應用23實驗步驟二（單位根）：結果分析 （2）點擊圖6.15中OK按鈕，可得ADF檢驗結果，如圖6.16所示。圖 6.16 單位根檢驗結果（含截距項） 如圖6.16所示，ADF值為-1.089289，分別大于不同檢驗水平的三個臨界值，所以不能拒絕零假設，即該水平序列不是平穩序列，應對序列進行差分運算

15、。10/15/2021EViews統計分析在計量經濟學中的應用24實驗步驟三（單位根）：檢驗式含趨勢和截距項 (3)重新設定單位根檢驗參數，即采用檢驗式中包含趨勢和截距項，點擊OK按鈕可得新的ADF檢驗結果，如圖6.18所示。圖 6.18 單位根檢驗結果（含趨勢項和截距項） 如圖6.18所示，ADF值為-1.875039，分別大于不同檢驗水平的三個臨界值，所以不能拒絕零假設，即該水平序列不是平穩序列。10/15/2021EViews統計分析在計量經濟學中的應用25實驗步驟三（單位根）：取對數后的ADF檢驗（4）為獲得平穩性序列，結合數據的特征，一般將原序列取對數，并對其進行單位單位根檢驗。下文

16、分別對取對數后的水平序列、一及二階差分序列進行單位根檢驗，采用默認的ADF檢驗法、檢驗方程形式及最大滯后階數，最終檢驗結果如圖6.23-25所示。圖 6.23單位根檢驗結果（ADF，取對數后水平序列） 10/15/2021EViews統計分析在計量經濟學中的應用26對數后一和二階差分序列ADF檢驗圖 6.24單位根檢驗結果（ADF，取對數后一階序列）圖 6.25單位根檢驗結果（ADF，取對數后二階序列）10/15/2021EViews統計分析在計量經濟學中的應用27實驗步驟四（單位根）：結果分析 如圖6.23-6.25所示，取對數后水平序列、一階序列和二階序列的ADF值分別為-2.288405

17、、-3.645854及-16.68912，取對數后水平序列及一階序列分別大于不同檢驗水平的三個臨界值，所以不能拒絕零假設，而取對數后二階序列分別小于不同檢驗水平的三個臨界值，可以拒絕零假設，即取對數后二階序列為平穩序列。10/15/2021EViews統計分析在計量經濟學中的應用28Ready? Lets go to the next10/15/2021EViews統計分析在計量經濟學中的應用296.3：隨機時間序列分析模型o 實驗目的：掌握判斷時間序列識別主要步驟 、模型的估計、預測及檢驗方法。o 實驗數據： 1996年1月-2011年10月世界集裝箱船手持訂單量（單位為萬TEU）（相關數據

18、和工作文件存放于文件夾 “書中資料/第6章” ） 。o 實驗原理：時間序列模型的識別、估計及檢驗o 實驗預習知識：AIC與SC準則、t檢驗、靜態預測與動態預測10/15/2021EViews統計分析在計量經濟學中的應用30實驗步驟一：時間序列模型的識別 （1）打開工作文件“6-1.wfl”，在樣本數據m的窗口，點擊工具欄中的View/Correlogram，出現圖6.26所示的對話框。根據本書6.2節結論，圖6.26中的序列選擇m二階差分序列，在此滯后期選擇24。 圖6.26 圖示對話框10/15/2021EViews統計分析在計量經濟學中的應用31自相關函數和偏自相關函數 （2）點擊圖6.2

19、6中的“OK”按鈕，可得自相關函數和偏自相關函數，如圖6.27所示。圖6.27 對數二階差分自相關函數 10/15/2021EViews統計分析在計量經濟學中的應用32自相關函數和偏自相關函數 對數二階差分序列自相關和偏自相關函數，如圖6.27所示，由兩部分組成，左半部分為自相關（Autocorrelation）與偏自相關（Partial Correlation）分析圖，右半部分為自相關系數（AC）、偏自相關系數（PAC）、Q統計量（Q-Stat）與相伴概率（Prob）。由圖6.27可知，自相關和偏自相關函數的峰值同為滯后1期，自相關函數1階截尾，偏自相關函數2階截尾，可初步判定p=1，2，q

20、=1，即可能適合的模型有ARMA(2,1)，ARMA(1,1)，AR(1)，AR(2)，MA(1)。10/15/2021EViews統計分析在計量經濟學中的應用33實驗步驟二：時間序列模型的估計 （1）打開工作文件“6-1.wfl”，在主窗口中點擊Quick/Estimation Equation，出現圖6.28所示的對話框。在圖6.26的Equation specification中輸入d(d(m) ar(1) ar(2) ma(1)，在Equation setting中選擇最小二乘法。圖6.28 圖示對話框10/15/2021EViews統計分析在計量經濟學中的應用34ARMA（2，1）參

21、數估計（2）點擊6.28中確定按鈕，可得模型參數估計結果，如圖6.29所示。 圖6.29 ARMA（2，1）參數估計結果10/15/2021EViews統計分析在計量經濟學中的應用35ARMA（1，1）參數估計 （3）由上文，可得其他模型的估計結果，如圖6.30-6.33所示。 圖6.30 ARMA（1，1）參數估計結果10/15/2021EViews統計分析在計量經濟學中的應用36AR（1）和 AR（2）參數估計圖6.31 AR（1）參數估計結果圖6.32 AR（2）參數估計結果 10/15/2021EViews統計分析在計量經濟學中的應用37MA（1）參數估計 分析ARMA(2,1)，AR

22、MA(1,1)，AR(1)，AR(2)，MA(1)各模型檢驗結果，可得AIC、SC值。根據AIC和SC準則評判模型的相對優劣，一般選擇AIC和SC函數值達到最小的模型。由圖6.29-圖6.33知MA(1)模型與ARMA(1，1)模型較好，且MA(1)模型稍優于ARMA(1，1)模型，故選擇MA(1)模型作為最終模型。也即圖6.33為最終的參數估計結果。 圖6.33 MA（1）參數估計結果 10/15/2021EViews統計分析在計量經濟學中的應用38實驗步驟三：時間序列模型的預測（4）在圖6.33界面中，點擊Forecast按鈕，可得預測對話框，如圖6.34所示。圖6.34 預測對話框 10/15/2021