《EViews统计分析在计量经济学中的应用--第6章 时间序列模型》由会员分享,可在线阅读,更多相关《EViews统计分析在计量经济学中的应用--第6章 时间序列模型(44页珍藏版)》请在金锄头文库上搜索。
1、EViewsEViews统计分析在计量统计分析在计量经济学中的应用经济学中的应用-第第6 6章章 时间序列模型时间序列模型6.1:时间序列的趋势分解o实验目的:熟悉和掌握滤波在时间序列模型中的应用。o实验数据:1996年1月-2011年10月世界集装箱船手持订单量(单位为万TEU)(相关数据和工作文件存放于文件夹 “书中资料/第6章” ) 。o实验原理:Hodrick-Prescott和BP滤波方法o实验预习知识: Hodrick-Prescott和BP滤波方法相关知识8/18/20242EViews统计分析在计量经济学中的应用实验步骤一:基础数据的录入 在进行本章实验之前,我们要进行工作文件
2、的创建和数据的输入等工作,这些在前面章节已有详细介绍,在此不再赘述。本实验建立了名为“6-1.wfl”的工作文件,该文件里包括序列t和x,相关数据已经录入。 8/18/20243EViews统计分析在计量经济学中的应用实验步骤二:选择滤波方法 以Hodrick-Prescott滤波为例(BP滤波操作基本相同)分解序列x的趋势要素,具体过程如下: (1)打开工作文件“6-1.wfl”,点击工具栏中的Procs/Hodrick Prescott Filter,出现6.1所示的HP滤波对话框。8/18/20244EViews统计分析在计量经济学中的应用HP滤波对话框 图6.1 HP滤波对话框 首先对
3、分解后的趋势序列进行命名,Eviews将默认一个序列名,如hptrend02,也可填入一个新的趋势序列名;其次,设定参数的取值,一般年度数据取100,季度和月度数据分别取1600和 14400, 本 例 取14400,不允许填入非整数。8/18/20245EViews统计分析在计量经济学中的应用实验步骤三:结果分析 (2)点击图6.1中的OK按钮,Eviews中将原序列和趋势序列显示在同一图形中,如图6.2所示。图6.2 HP滤波结果 8/18/20246EViews统计分析在计量经济学中的应用实验步骤三:结果分析 如图6.2所示,是包含长期趋势成分和周期波动成分的经济时间序列,Trend是其
4、中含有的趋势成分,Cycle是其中含有的周期波动成分,即,而Hodrick-Prescott滤波目的是将从中将分解出来。从趋势上看,世界集装箱船手持订单量呈现总体上升趋势,但2008年后出现明显下将趋势;而从周期波动看,世界集装箱船手持订单量的波动幅度则越来越大,即周期性越来越明显。8/18/20247EViews统计分析在计量经济学中的应用Ready? Lets go to the next8/18/20248EViews统计分析在计量经济学中的应用6.2:时间序列的平稳性及其检验o实验目的:熟悉和掌握图示法和单位根检验法去判断时间序列的平稳性。o实验数据:1996年1月-2011年10月世
5、界集装箱船手持订单量(单位为万TEU)(相关数据和工作文件存放于文件夹 “书中资料/第6章” )。o实验原理:图示法和单位根检验法o实验预习知识:图示法和单位根检验法相关知识8/18/20249EViews统计分析在计量经济学中的应用实验步骤一(图示法):图示信息录入 使用图示判断时间序列的平稳性,具体过程如下:(1)打开工作文件“6-1.wfl”,点击工具栏中的View/Graph,出现图6.6所示的对话框。 图6.6 图示对话框 8/18/202410EViews统计分析在计量经济学中的应用图示对话框 在图6.6中,可选择数据图的类型Graph Type,Eviews给出9种图示类型,通常
6、系统默认Line Symbol,即线条和符号;另外,在细节部分,主要包含了图标数据来源(Graph data)、排列方式(Orientation)、轴线边界(Axis border),可按选择默认,进行相关操作。8/18/202411EViews统计分析在计量经济学中的应用时序图(2)点击图6.6中的OK按钮,Eviews中将原始数据用线条图形表示出来,如图6.7所示。图6.7 集装箱船手持订单时间序列8/18/202412EViews统计分析在计量经济学中的应用时序图 从图6.7可发现,世界集装箱船手持订单量总体呈现上升趋势,但在2008年后,出现明显的下降趋势,由此可见,原始的世界集装箱船
7、手持订单量x是不平稳的序列。为进一步验证x的平稳性,需通过自相关图和偏自相关图分析。8/18/202413EViews统计分析在计量经济学中的应用实验步骤二(图示法):相关图分析(3)点击工具栏中的View按钮,选择Correlogram菜单项,如6.8所示,点击后则出现图6.9所示的对话框。图6.8 选择Correlogram菜单项8/18/202414EViews统计分析在计量经济学中的应用相关分析参数 在图6.9中,有两个选择:一是针对何种数据生成相关图,主要分为原变量(level)、一阶差分变量(1st difference)及二阶差分变量(2st difference),这里选择le
8、vel;二是确定相关图的滞后期(Lags to include),这里选择36。图6.9 相关分析参数8/18/202415EViews统计分析在计量经济学中的应用自相关、偏自相关图 图6.10中,虚线表示到中心线2个标准差宽度,Autocorrelation和AC分别表示自相关函数的图形和数值,Partial Correlation和PAC分别表示偏自相关函数的图形和数值。序列稳定性可以用自相关分析图判断:如果序列的自相关系数很快地(滞后阶数K大于2或3时)趋于0,即落入随机区内,时间序列是平稳的;反之,则序列是非平稳的。若自相关系数大于临界值,则时间序列数据有显著的自相关性。从图6.10中
9、可以看出自相关函数在延迟36阶的过程中,没有迅速向零趋近的趋势,这说明该序列是非平稳序列。为了进一步获得平稳序列,一般将原序列取对数,在此基础上,分别分析其原序列、一阶及二阶序列。 图6.10自相关、偏自相关图 8/18/202416EViews统计分析在计量经济学中的应用实验步骤三(图示法):取对数后的相关图(5)打开取对数后的数据表m,分别重复(2)-(4)操作,分别得在原序列、一阶差分和二阶差分下的相关图,如图6.11-6.13所示。图6.11 取对数后水平条件下相关图8/18/202417EViews统计分析在计量经济学中的应用取对数后一及二阶差分相关图图6.12 取对数后一阶差分条件
10、下相关图图6.13 取对数后二阶差分条件下相关图8/18/202418EViews统计分析在计量经济学中的应用实验步骤四(图示法):结果分析 从图6.11和6.12中可以看出自相关函数在延迟36阶的过程中,没有迅速向零趋近的趋势,这说明取取对数后的水平及一阶差分序列是非平稳序列;而图6.13则表明,自相关函数在延迟36阶的过程中,有迅速向零趋近的趋势,这说明取对数后的二阶差分序列是平稳序列;8/18/202419EViews统计分析在计量经济学中的应用实验步骤一(单位根):检验方法的选择(1)打开工作文件“6-1.wfl”,点击工具栏中的View,选择Unit Root Test,如图6.14
11、所示,接着会出现单位根检验对话框,如图6.15所示。图6.14单位根检验菜单栏8/18/202420EViews统计分析在计量经济学中的应用单位根检验选项 如图6.15所示,单位根检验选项有四个选择区域: Test type(检验方法):包括6种检验方法,主要为ADF检验、DF检验、PP检验、KPSS检验、ERSPO检验及NP检验,系统默认选择ADF检验; Test for unit in(所检验的序列),有三种可供选择: Level:表示对水平序列进行单位根检验; 1st difference:表示对序列的一阶差分序列进行单位根检验; 2nd difference:表示对序列的二阶差分序列进
12、行单位根检验; 一般地,如果对原序列进行单位根检验的原假设没有被拒绝,而序列的一阶差分检验拒绝原假设,则序列存在一个单位根,即该序列是一阶单整I(1)的;如果序列一阶差分检验仍没有拒绝原假设,则需要对序列进行二阶差分检验。本系统默认选择水平序列做单位根检验。图6.15 单位根检验选项 8/18/202421EViews统计分析在计量经济学中的应用单位根检验选项 Include in test equation(选择不同检验式),也有三种可供选择: Intercept:表示检验回归方程中仅有截距项; Trend and intercept:表示检验回归方程中既有趋势项,又有截距项; None:表
13、示检验回归方程中既不包含趋势项,也不包含截距项。 注意:不同选择下单位根检验结果会发生变化,系统默认选择检验式中只包括截距项。 Lag length(检验式中差分项的最大滞后期数), Automatic selection:表框内有6种选择准则,即AIC、SIC、HQC、MA、MS、MHQ、t-statistics,系统默认选择SIC;此外,可自行设定相应的最大滞后期数(Maximum Lags),本书按系统默认的最大滞后期数14进行操作。 User specified:表示使用者自行设定滞后阶数,如果选择该项,需要在右边的编辑框内输入滞后阶数。8/18/202422EViews统计分析在计量
14、经济学中的应用实验步骤二(单位根):结果分析 (2)点击图6.15中OK按钮,可得ADF检验结果,如图6.16所示。图 6.16 单位根检验结果(含截距项) 如图6.16所示,ADF值为-1.089289,分别大于不同检验水平的三个临界值,所以不能拒绝零假设,即该水平序列不是平稳序列,应对序列进行差分运算。8/18/202423EViews统计分析在计量经济学中的应用实验步骤三(单位根):检验式含趋势和截距项 (3)重新设定单位根检验参数,即采用检验式中包含趋势和截距项,点击OK按钮可得新的ADF检验结果,如图6.18所示。图 6.18 单位根检验结果(含趋势项和截距项) 如图6.18所示,A
15、DF值为-1.875039,分别大于不同检验水平的三个临界值,所以不能拒绝零假设,即该水平序列不是平稳序列。8/18/202424EViews统计分析在计量经济学中的应用实验步骤三(单位根):取对数后的ADF检验(4)为获得平稳性序列,结合数据的特征,一般将原序列取对数,并对其进行单位单位根检验。下文分别对取对数后的水平序列、一及二阶差分序列进行单位根检验,采用默认的ADF检验法、检验方程形式及最大滞后阶数,最终检验结果如图6.23-25所示。图 6.23单位根检验结果(ADF,取对数后水平序列) 8/18/202425EViews统计分析在计量经济学中的应用对数后一和二阶差分序列ADF检验图
16、 6.24单位根检验结果(ADF,取对数后一阶序列)图 6.25单位根检验结果(ADF,取对数后二阶序列)8/18/202426EViews统计分析在计量经济学中的应用实验步骤四(单位根):结果分析 如图6.23-6.25所示,取对数后水平序列、一阶序列和二阶序列的ADF值分别为-2.288405、-3.645854及-16.68912,取对数后水平序列及一阶序列分别大于不同检验水平的三个临界值,所以不能拒绝零假设,而取对数后二阶序列分别小于不同检验水平的三个临界值,可以拒绝零假设,即取对数后二阶序列为平稳序列。8/18/202427EViews统计分析在计量经济学中的应用Ready? Let
17、s go to the next8/18/202428EViews统计分析在计量经济学中的应用6.3:随机时间序列分析模型o实验目的:掌握判断时间序列识别主要步骤 、模型的估计、预测及检验方法。o实验数据: 1996年1月-2011年10月世界集装箱船手持订单量(单位为万TEU)(相关数据和工作文件存放于文件夹 “书中资料/第6章” ) 。o实验原理:时间序列模型的识别、估计及检验o实验预习知识:AIC与SC准则、t检验、静态预测与动态预测8/18/202429EViews统计分析在计量经济学中的应用实验步骤一:时间序列模型的识别 (1)打开工作文件“6-1.wfl”,在样本数据m的窗口,点击
18、工具栏中的View/Correlogram,出现图6.26所示的对话框。根据本书6.2节结论,图6.26中的序列选择m二阶差分序列,在此滞后期选择24。 图6.26 图示对话框8/18/202430EViews统计分析在计量经济学中的应用自相关函数和偏自相关函数 (2)点击图6.26中的“OK”按钮,可得自相关函数和偏自相关函数,如图6.27所示。图6.27 对数二阶差分自相关函数 8/18/202431EViews统计分析在计量经济学中的应用自相关函数和偏自相关函数 对数二阶差分序列自相关和偏自相关函数,如图6.27所示,由两部分组成,左半部分为自相关(Autocorrelation)与偏自
19、相关(Partial Correlation)分析图,右半部分为自相关系数(AC)、偏自相关系数(PAC)、Q统计量(Q-Stat)与相伴概率(Prob)。由图6.27可知,自相关和偏自相关函数的峰值同为滞后1期,自相关函数1阶截尾,偏自相关函数2阶截尾,可初步判定p=1,2,q=1,即可能适合的模型有ARMA(2,1),ARMA(1,1),AR(1),AR(2),MA(1)。8/18/202432EViews统计分析在计量经济学中的应用实验步骤二:时间序列模型的估计 (1)打开工作文件“6-1.wfl”,在主窗口中点击Quick/Estimation Equation,出现图6.28所示的对
20、话框。在图6.26的Equation specification中输入d(d(m) ar(1) ar(2) ma(1),在Equation setting中选择最小二乘法。图6.28 图示对话框8/18/202433EViews统计分析在计量经济学中的应用ARMA(2,1)参数估计(2)点击6.28中确定按钮,可得模型参数估计结果,如图6.29所示。 图6.29 ARMA(2,1)参数估计结果8/18/202434EViews统计分析在计量经济学中的应用ARMA(1,1)参数估计 (3)由上文,可得其他模型的估计结果,如图6.30-6.33所示。 图6.30 ARMA(1,1)参数估计结果8/
21、18/202435EViews统计分析在计量经济学中的应用AR(1)和 AR(2)参数估计图6.31 AR(1)参数估计结果图6.32 AR(2)参数估计结果 8/18/202436EViews统计分析在计量经济学中的应用MA(1)参数估计 分析ARMA(2,1),ARMA(1,1),AR(1),AR(2),MA(1)各模型检验结果,可得AIC、SC值。根据AIC和SC准则评判模型的相对优劣,一般选择AIC和SC函数值达到最小的模型。由图6.29-图6.33知MA(1)模型与ARMA(1,1)模型较好,且MA(1)模型稍优于ARMA(1,1)模型,故选择MA(1)模型作为最终模型。也即图6.3
22、3为最终的参数估计结果。 图6.33 MA(1)参数估计结果 8/18/202437EViews统计分析在计量经济学中的应用实验步骤三:时间序列模型的预测(4)在图6.33界面中,点击Forecast按钮,可得预测对话框,如图6.34所示。图6.34 预测对话框 8/18/202438EViews统计分析在计量经济学中的应用预测方法的选择 图6.34中,预测序列(series to forecast)分为两种,本实验采用默认预测序列m,系统将默认预测序列(series names)记为mf;关于预测时间(forecast sample),可进行设定,本实验则采用默认预测时间;在预测方法(Met
23、hod)中,主要包括动态预测(Dynamic forecast)和静态预测(Static forecast),本实验选择静态预测。8/18/202439EViews统计分析在计量经济学中的应用预测结果 (5)在图6.34界面中,点击OK按钮,可得预测结果,如图6.35所示。图6.35 预测结果 由图6.35右侧数值可知,平均绝对百分误差(MAPE)为0.475240,即MA(1)预测结果相对较好,图6.35左侧的预测曲线,进一步印证了预测结果的科学性和准确性。8/18/202440EViews统计分析在计量经济学中的应用实验步骤四:时间序列模型的检验 打开工作文件“6-1.wfl”,在图6.3
24、3所示的窗口点击View按钮,选择Residuals Diagnostics/Correlogram-Q-statistics功能,在弹出滞后期对话框中选择24,点击OK按钮,出现如图6.36结果。8/18/202441EViews统计分析在计量经济学中的应用残差自相关分析图 图6.36显示,右侧一列概率值都大于0.05,自相关系数都落在临界域内,可以认为MA(1)模型的残差项是一个白噪声序列。图6.36 残差自相关分析图8/18/202442EViews统计分析在计量经济学中的应用Ready? Lets go to the next!8/18/202443EViews统计分析在计量经济学中的应用结束语结束语谢谢大家聆听!谢谢大家聆听!44