Eviews 时间序列分析实例时间序列是市场预测中经常涉及的一类数据形式，本书第七章对它进行了比较详细的介 绍通过第七章的学习，读者了解了什么是时间序列，并接触到有关时间序列分析方法的原 理和一些分析实例本节的主要内容是说明如何使用Eviews软件进行分析一、指数平滑法实例所谓指数平滑实际就是对历史数据的加权平均它可以用于任何一种没有明显函数规 律，但确实存在某种前后关联的时间序列的短期预测由于其他很多分析方法都不具有这种 特点，指数平滑法在时间序列预测中仍然占据着相当重要的位置－）一次指数平滑 一次指数平滑又称单指数平滑它最突出的优点是方法非常简单，甚至只要样本末期的 平滑值，就可以得到预测结果一次指数平滑的特点是：能够跟踪数据变化这一特点所有指数都具有预测过程中添 加最新的样本数据后，新数据应取代老数据的地位，老数据会逐渐居于次要的地位，直至被 淘汰这样，预测值总是反映最新的数据结构一次指数平滑有局限性第一，预测值不能反映趋势变动、季节波动等有规律的变动； 第二，这种方法多适用于短期预测，而不适合作中长期的预测；第三，由于预测值是历史数 据的均值，因此与实际序列的变化相比有滞后现象。
指数平滑预测是否理想，很大程度上取决于平滑系数 Eviews 提供两种确定指数平滑 系数的方法：自动给定和人工确定选择自动给定，系统将按照预测误差平方和最小原则自 动确定系数如果系数接近1，说明该序列近似纯随机序列，这时最新的观测值就是最理想 的预测值出于预测的考虑，有时系统给定的系数不是很理想，用户需要自己指定平滑系数值平 滑系数取什么值比较合适呢？一般来说，如果序列变化比较平缓，平滑系数值应该比较小， 比如小于0.1；如果序列变化比较剧烈，平滑系数值可以取得大一些，如0.3〜0.5若平滑系 数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预 测［例 1］某企业食盐销售量预测现在拥有最近连续30个月份的历史资料（见表1），章第一节中已经阐明，这里不再赘述假设已经建立工作文件，并生成了一个样本期为1〜 30的序列，命名为SALES序列SALES中包含例1中需要分析的数据第二步，绘制序列图形在序列对象窗口中，点击View—Line Graph屏幕显示图1 所示图形图 1 某企业近30 个月的销售量动态图从图 1 中可以看出，这个企业近30 个月的销售量并不存在明显的趋势，并且没有明显 的季节趋势。
因此，从直观上判断可以采用一次指数平滑法对企业下个月的销售量进行预测第三步，扩大样本期本例要求对下一个月的销售量进行预测，而工作文件的样本期是 1〜30，在Eviews中要求先更改样本期更改样本期的操作在本章第一节已经讲过，这里将 样本期改为 1〜31第四步，进行指数平滑指数平滑的菜单操作方法有两种：一是在主工作文件窗口打开 的情况下，点击主窗口的 Quick—Series Statistics—Exponential Smoothing；二是在序列对 象窗口中点击Procs—Exponential Smoothingo点击后屏幕出现如图2所示的指数平滑对话 框指数平滑对话框中包含五个部分的选项：平滑方法(Smoothing Method)、平滑系数 (Smoothing Parameters )、平滑后生成序列的名称(Smoothed Series )、预测样本范围 (Estimation Sample)和季节变动周期(Cycle for Seasonal) o对话框左上部分的平滑方法(Smoothing Method)包括：Single 一次指数平滑Double 二次指数平滑Holt－Winters－No seasonal Holt－Winters 无季节模型Holt－Winters－Additive Holt－Winters 季节迭加模型Holt－Winters－Multiplicative Holt－Winters 季节乘积模型平滑系数(Smoothing Parameters)包括Alpha，Beta， Gamma。
平滑系数可由系统自动 给定，也可以由用户指定缺省状态是由系统自动给定如果用户需要指定，只需在对应参 数的位置填入指定的数值本例中，分别指定Alpha的值为0.3和0.5当指定平滑系数为0.3时，预测的残差平方 和为 137.2978；当平滑系数为0.5 时，预测的残差平方和为165.0685因此这里选择平滑系 数为 0.3 时的预测结果根据一次指数平滑方法的预测，该企业下个月的销售量应为 29.2吨图 2 指数平滑对话框（二）二次指数平滑 二次指数平滑又称双重指数平滑相对于一次指数平滑，二次指数平滑可以预测有一定 线性趋势的序列，其预测期也长一些［例2］某公司1990－2001年的实际销售额如表2所示请根据此资料预测2002年和2003 年企业销售额表2某公司销售额 单位：万元年份销售额年份销售额199033199644199136199748199232199846199334199950199442200054199540200158解：第一步，建立工作文件，样本期为1990－2001 的年度数据在新建立的工作文件中，生成一个名为SALES的新序列打开SALES序列对话框，将表2中的数据录入。
第二步，绘制序列图形从图中可以看到，该企业的销售额存在明显的增长趋势（见图 3）序列的波动并不是很剧烈由此判断，使用二次指数平滑法进行预测比较合适第三步，扩大样本期由于本例需要预测下两年的销售额，因此将工作文件的样本期更 改为 1990－2003 年中，选择二次指数平滑的方法，并让系统自动确定系数结果如表3 所示原序列SALES中共有12个观测值，即1990—2001年的企业销售额在进行二次指数 平滑时，系统根据这12个数值自动确定了最优的平滑系数a =0.244此时，对序列进行二 次指数平滑预测的残差平方和为101.3594，均方根误差为 2.906306在Eviews给出指数平滑结果统计表（见表3）时，并没有直接给出对2002年和2003年销售额的预测值这两个数值保存在系统生成的平滑序列SALESSM中，用户只需打开该 序列就可以看到二次指数平滑方法预测的结果结果显示，该企业在2002年和2003年的销 售额，分别预计为56. 6万元和59. 4万元表 3 二次指数平滑结果 如果将二次指数平滑的预测结果和原观测值共同显示在同一张图上，可以使用户看起来 更清楚首先在工作文件菜单中同时选中两个序列SALES和SALESSM，方法是先点击一 个序列，之后按住键盘上的Shift键再点击另外一个序列。
然后点击工作文件菜单工具栏中 的Show，在弹出的对话框中点击OK此时，系统将弹出一个类似序列对象窗口的群窗口 （见图4）,窗口中以Excel表格的形式同时显示出SALES和SALESSM最后点击该窗口 上方的 View—Graph—Line （见图 5）图 4 群对象窗口图 5 实际销售额与平滑值序列对比图二、趋势延伸法实例时间序列的趋势即序列随时间变化的基本规律和特点对于存在趋势的序列，通常可以 选取适当的模型进行分析和预测－）直线趋势 直线趋势模型是一种最常用，也是最成熟的方法模型的基本结构为：Yt=a+bt式中，a, b是模型的参数这种模型的结构比较简单，估计方法非常成熟，是很多其他趋 势模型估计的基础下面结合实例说明如何使用该软件进行直线趋势模型的预测［例 3］设某市1992－2002年市场鸡蛋销售量如表4 所示试预测2003年该市鸡蛋销售 量表 4 某市鸡蛋销售量 单位：万千克年份销售量年份销售量199236199842199326199948199432200045199540200155199650200256199745解:第一步，建立一个新的工作文档，文档的样本期为1992—2002年。
生成序列SALES, 录入表4 中的销售量观测值第二步，打开SALES序列对象窗口，点击View-Line Graph，绘制序列散点图（见 图 6 ）图 6 序列散点图Eviews 中没有直接绘制散点图的菜单选项当需要绘制散点图时，首先需要绘制连线 图（Line Graph）屏幕显示图形对象窗口后，用鼠标左键双击图形的任意位置，或者点击右键，然后在弹出的菜单中选择Options此时，系统将弹出图形属性对话框图形属性对话框中的选项很多用户在这里可以方便地更改图形的类型Graph Type)、 图形的属性(Graph Attitude)、线形图格式见(Line Graph)、条形图格式(Bar Graph)等 这里，将图形的类型选择为线形图(Line Graph)，再形图格式中选择仅有标示(Symbals Only)点击 OK从散点图上可以看出，该序列基本呈现出一种直线增长的趋势，因而宜采用直线趋势延 伸的方法进行预测第三步，生成时间变量To在进行模型参数的估计时通常要用到最小二乘的方法，其中， 观测值就是因变量，序列T就是自变量生成一个新序列的方法有很多，可以通过菜单操作，也可以直接在主窗口中输入命令行 实现。
有关菜单操作的方法在本章第一节中已经说明，这里采用命令行的形式生成序列ToEviews生成序列的命令为data，用户只需在主窗口中输入命令：data T对于序列T,用户可以在打开的对象窗口中为它赋值，比如赋值1，2，3,…如果用户需要直接生成含有值的序列T，也可以利用函数生成序列，在主窗口中输入命 令行(见图7)图 7 T 序列生成命令和取值情况节略genr T=@t rend系统自动生成序列T,并从0开始计数，它的取值依次为0，l，2，3,…第四步，模型估计在Eviews中最小二乘回归的命令是LS，它的基本书写格式为:LS 因变量 C 自变量其中，C代表模型中的常数项，对于没有常数项的模型可以不写本例中，使用下面的命令进行回归：LS SALES C T （见表5）表 5 最小二乘回归结果根据表5 的结果，得到如下模型：sale=31.227+2.391XT第五步，进行预测根据上述模型结果，可以很容易地给出2003 年鸡蛋销售量的预测 结果将T=11代入上述模型，计算结果表明该企业2003年的鸡蛋销售额为57.5万元二）曲线趋势 经济序列中有很多呈现出曲线变化的趋势直线趋势的估计比较简单，曲线趋势的估计 则更为常用。
指数曲线、二次曲线、三次曲线和龚拍兹曲线是在市场经济序列中常见的模型， 它们的估计也大同小异，这里就以指数曲线为例介绍如何使用Eviews进行模型的估计［例4］某市近9年灯具商品销售量资料如表6所示试预测2002年的销售量解:第一步，建立一个新的工作文档，文档的样本期为1993-2001年生成序列SALES, 录入表中的销售量观测值表 6 某市灯具销售量 单位:万件年份销售量年份销售量19938.7199826.0199410.6199933.0199513.3200040.9199616.5200150.4199720.6。