专题_时间序列特性分析

EViews 统计分析基础教程专题 时间序列特性分析EViews 统计分析基础教程1. 时序特性的研究工具 自相关 偏自相关 Eviews 中自（偏自）相关分析的操作EViews 统计分析基础教程1.1. 自相关 , AC ， Autocorrelation 自相关：构成时间序列的每个序列值 之间的简单相关关系称为自相关。 序列自相关程度由自相关系数度量，表示时间序列中相隔 k 期的观测值之间的相关程度。 自相关系数的取值范围 [-1,1] ，越接近 1 （或 -1 ），自相关程度越高。ktttyyy,,,1 Tttkntkttkyyyyyyr121)())((EViews 统计分析基础教程1.2. 偏相关 , PAC ， Partial Correlation 对于时间序列 ，在给定 的条件下， 与 之间的条件相关关系。 相关程度由偏自相关系数 度量，满足ty121,,ktttyyykty tykk11kk1,,2,1,,3,2,11,,1,1,11,111,11kjkrrrkrjkkkkjkjkkjjjkkjjkjkkkkEViews 统计分析基础教程1.3. Eviews 中自（偏自）相关分析的操作 Quick/Series Statistics/Correlogram 第一项：对于按序列（ Level ），原序列的一次差分（ 1st difference ），原序列的 2 次差分（ 2nd difference ）做相关图。 第二项：决定自相关函数的最大滞后期数，考察季节数据时，如月度数据，季节周期为 12 个月， k 取12 ， 24 等；季度数据时， k 取 4,8 等。 显示了相关图、偏相关图、 Q 统计量及相应的频率。在图的左部显示的是根据这些统计量的值绘出的图形，右边显示的是这些统计量的数值列表。EViews 统计分析基础教程输出结果 Autocorrelation ：自相关图 Partial Correlation ：偏相关 自然序数列：滞后期 k 的值 AC ：估计的自相关系数值 PAC ：估计的偏相关系数值 Q-Stat ： Q 统计量 , 对序列进行独立性检验 原假设：序列是非自相关的。 Prob ： Q 统计量取值大于该样本计算的 Q 值的概率，若以 5% 为检验水平，则该概率大于 0.05 时，该序列是非自相关的；小于 0.05 时，该序列是自相关的。EViews 统计分析基础教程 序列自相关系数： 相关图 AC 的定义： 滞后 K 期的偏自相关系数： 滞后 K 期的 Ljung-Box-Q 统计量：krrrAC,,, 21kkPAC,,,2211...