第八章時間序列分析第一節隨機時間序列的特性分析一、時序特性的研究工具最重要的工具是自相關和偏自相關在主菜單選擇Quick/SeriesStatistics/Correlogram或在主窗口命令行輸入ident或用鼠標雙擊工作文件窗口中相應的序列名稱，然后在出現的序列對象窗口上方工具欄中選擇View/lCorrelogram輸出結果由兩部分組成。左半部分是序列的自相關和偏自相關分析圖，右半部分包括五列數據。第一列的自然數表示滯后期k,AC是自相關系數，PAC是偏自相關系數。最后兩列是對序列進行獨立性檢驗的Q統計量和相伴概率。二、時間序列平穩性檢驗1、利用圖形進行平穩性判斷直觀判斷圖是否為一條圍繞其平均值上下波動的曲線2、單位根檢驗DF檢驗原假設：有單位根，即序列非平穩。ADF檢驗模型為：PP檢驗例1：661天的深證成指(SZ)序列見case37。初步選擇①ADF檢驗，②對原序列sz，做單位根檢驗，③檢驗式中不包括趨勢項，但包括截距項。因為常數項沒有顯著性。從檢驗式中去掉截距項，繼續迸行單位根檢驗。在彈出的單位根檢驗對話框中的檢驗式選擇(Includeintestequation)區選檢驗式中不包括趨勢項和截距項(None)。對SZ的差分序列DSZ繼續做單位根檢驗例2承接上例，對序列sz做單位根PP檢驗在單位根檢驗定義對話框中，把TestType下面的選項改為PP，系統會根據序列樣本量自動在Truncationlag中給出推薦的值，其他選項意義與ADF檢驗相同。第二節模型的識別與建立一、模型的識別隨機序列的自相關函數是拖尾的，而其偏自相關函數是以p階截尾的，則此序列是自回歸AR(p)序列；若隨機序列的自相關函數是以q階截尾，而其偏自相關函數為拖尾，則此序列是移動平均MA(q)序列。若平穩隨機序列的自相關函數和偏自相關函數都是拖尾的，則此序列可以看成是自回歸移動平均序列ARMA(p,q)，模型中的p和q的識別通常從低階開始逐步試探，直到定出合適的模型為止。例3下面以1949~2001年中國人口時間序列數據(case42)為例介紹:(1)時間序列圖;(2)求中國人口序列的相關圖和偏相關圖，識別模型形式；(3)估計時間序列模型;(4)樣本外預測。1、畫時間序列圖點擊View鍵，選擇Graph/Line功能從人口序列y的變化特征看，這是一個非平穩序列。2、再通過單位根檢驗來證實3、求中國人口序列的相關圖和偏相關圖，識別模型形式知中國人口序列y是非平穩序列，而dy是平穩序列〈相關圖呈指數衰減特征)。通過初步分析，認定dy是一個1階或2階自回歸過程，假定先估計AR(2)模型。二、模型的參數估計從EViews主菜單中點擊Quick鍵，選擇EstimateEquation功能。在隨即彈出Equationspecification對話框中輸入D(Y)cAR(I)AR(2)將樣本范圍改為1949~2000年，留下2001年的值用于計算預測精度。從輸出結果的最后一行知道，特征根是1/0.62=1.61，滿足平穩性要求。三、模型的檢驗參數估計后，應該對ARMA模型的適合性進行檢驗，即對模型的殘差序列et進行白噪聲檢驗。若殘差序列不是白噪聲序列，意味著殘差序列還存在有用信息沒被提取，需要進一步改進模型。常用的是殘差序列的卡方檢驗1.直接對系統默認對象resid操作2.方程輸出窗口菜單操作單擊View打開下拉菜單，選擇ResidualTests/Correlogram-Q-Statistics,在彈出的對話框中輸入最大滯后期，點擊OK，生成殘差序列的自相關分析圖。第三節模型的預測比如用估計的模型Dyt=0.0547+0.6171Dyt-1+vt預測2001年的中國總人口，在窗口中點擊forecast鍵，彈出對話窗口。在S.E.(optional)選擇區填入yfse，把Forecastsample(預測樣本區間)改為2001~2001，預測方法(Method)選靜態預測(Static)第四節ARIMA的建立例：example8-2是我國1990年1月份至1997年12月工業總產值的月度資料，記作IP，共有96個觀測值，對序列IP建立ARIMA模型。實際建模時希望用高階的AR模型替換相應的MA或ARMA模型。第五節協整檢驗和ECM模型協整檢驗的基本思想是對回歸方程的殘差進行單位根檢驗，若殘差序列是平穩序列，則表明方程的因變量和解釋變量之間存在協整關系，否則不存在協整關系。例：case27中序列S和Z分別表示1992年1月至1998年12月經居民消費價格指數調整的中國城鎮居民月人均生活費支出和可支配收入時間序列。SA和ZA分別代表以X-11程序對case27中城鎮居民月人均生活費支出和可支配收入時間序列進行季節調整后的序列。要求對經自然對數變換后的序列LSA和LZA做協整檢驗。例Table8-6中是我國從1978年至2006年數據。建立實際消費支出（lnACS)與實際可支配收入(LnDinc)的回歸方程，并研究二者之間是否存在協整關系。若存在，建立如下誤差修正模型：第六節向量自回歸模型向量自回歸模型通常用于多變量時間序列系統的預測和描述隨機擾動對變量系統的動態影響。最一般的VAR（p）模型：VAR模型只有在x與y互為因果時，才有效，另外也要求序列是平穩的，因此應先檢驗序列的平穩性。滯后階數的確定EViews提供了最常用的LR檢驗統計量，最終預測誤差FPE，AIC信息準則，SC信息準則和HQ信息準則。例：case43中序列y1,y2,y3分別表示我國1952-1988年工業部門、交通運輸部門和商業部門的產出指數序列，試建立VAR模型。脈沖響應函數對于VAR模型，感興趣的一個重要方面是系統的動態特征，即每個內生變量的變動或沖擊對它自己及所有其他內生變量產生的影響作用。這可以通過脈沖響應函數（IRF）加以刻畫。方差分解利用VAR模型，還可以進行方差分解研究模型的動態特征。其主要思想是，把系統中每個內生變量（m）的波動按其成因分解為與各方程新息相關聯的m個組成部分，從而了解各新息對模型內生變量的相對重要性。9、春去春又回，新桃換舊符。在那桃花盛開的地方，在這醉人芬芳的季節，愿你生活像春天一樣陽光，心情像桃花一樣美麗，日子像桃子一樣甜蜜。2月-252月-25Saturday,February22,202510、人的志向通常和他們的能力成正比例。19:44:3319:44:3319:442/22/20257:44:33PM11、夫學須志也，才須學也，非學無以廣才，非志無以成學。2月-2519:44:3319:44Feb-2522-Feb-2512、越是無能的人，越喜歡挑剔別人的錯兒。19:44:3319:44:3319:44Saturday,February22,202513、志不立，天下無可成之事。2月-252月-2519:44:3319:44:33February22,202514、ThankyouverymuchfortakingmewithyouonthatsplendidoutingtoLondon.ItwasthefirsttimethatIhadseentheToweroranyoftheotherfamoussights.IfI'dgonealone,Icouldn'thaveseennearlyasmuch,becauseIwouldn'thaveknownmywayabout.。22二月20257:44:33下午19:44:332月-2515、會當凌絕頂，一覽眾山小。二月257:44下午2月-2519:44Februa