用EVIEWS处理时间序列VIP免费

应用时间序列分析实验手册目录第二章时间序列的预处理一、平稳性检验二、纯随机性检验第三章平稳时间序列建模实验教程一、模型识别二、模型参数估计（如何判断拟合的模型以及结果写法三、模型的显著性检验四、模型优化第四章非平稳时间序列的确定性分析一、趋势分析二、季节效应分析三、综合分析第五章非平稳序列的随机分析一、差分法提取确定性信息二、模型三、季节模型第二章时间序列的预处理一、平稳性检验时序图检验和自相关图检验（一）时序图检验根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征例检验年——年中国纱年产量序列的平稳性在软件中打开案例数据图:打开外来数据图:打开数据文件夹中案例数据文件夹中数据文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入图：打开过程中给序列命名图:打开数据绘制时序图可以如下图所示选择序列然后点选择或者;绘制好后可以双击图片对其进行修饰，如颜色、线条、点等图:绘制散点图图：年份和产出的散点图图：年份和产出的散点图二）自相关图检验例导入数据，方式同上；在菜单下选择自相关图，对原列进行分析；可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。图：序列的相关分析图：输入序列名称图:选择相关分析的对象图：序列的相关分析结果可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列看统计量的值：该统计量的原假设为的期，期……期的自相关系数均等于，备择假设为自相关系数中至少有一个不等于，因此如图知，该值都的显著性水平所以接受原假设即序列是纯随机序列即白噪声序列因为序列值之间彼此之间没有任何关联所以说过去的行为对将来的发展没有丝毫影响因此为纯随机序列即白噪声序列（三）平稳性检验还可以用：单位根检验：检验等；非参数检验：游程检验图：序列的单位根检验图:检验的结果：如图，单位根统计量都大图:单位根检验的方法选择给出的显著性水平的临界值，所以接受原假设,该序列是非平稳的。二、纯随机性检验计算统计量，根据其取值判定是否为纯随机序列。例的自相关图中有统计量，其值在、的时候均比较大，不能拒绝原假设，认为该序列是白噪声序列。另外，小样本情况下，统计量检验纯随机性更准确。s9IncliideinAntam：ati匚seiPCtioiQ弓tQquutioiv|IntEFCEpt表示不包含截距项Trend：=LTL!irLterct9UnitRootTesttentedDickey-FullerLaglengthTestforuniti_ootinf*Levell.stdifferenc「2nddi££eren((^jAkaikeInfoCriteriMmiiiTi第三章平稳时间序列建模实验教程一、模型识别打开数据图:打开数据绘制趋势图并大致判断序列的特征图:绘制序列散点图图：输入散点图的两个变量图:序列的散点图绘制自相关和偏自相关图图:在数据窗口下选择相关分析图：选择变量图：选择对象图：序列相关图根据自相关图和偏自相关图的性质确定模型类型和阶数如果样本偏自相关系数在最初的阶明显大于两倍标准差范围，而后几乎％的自相关系数都落在倍标准差的范围以内，而且通常由非零自相关系数衰减为小值波动的过程非常突然。这时，通常视为偏自相关系数截尾。截尾阶数为。本例：■自相关图显示延迟阶之后，自相关系数全部衰减到倍标准AR模型：XtAR(P)*BPSt=口+ARMA模型：Xt=p+差范围内波动，这表明序列明显地短期相关。但序列由显著非零的相关系数衰减为小值波动的过程相当连续，相当缓慢，该自相关系数可视为不截尾■偏自相关图显示除了延迟阶的偏自相关系数显著大于倍标准差之外，其它的偏自相关系数都在倍标准差范围内作小值随机波动，而且由非零相关系数衰减为小值波动的过程非常突然，所以该偏自相关系数可视为一阶截尾自相关系数偏相关系数模型定阶拖尾阶截尾模型阶截尾拖尾（）模型拖尾拖尾模型MA模型：=p+a-MA(1)*B-MA(2)*B2-MA(q)*Bg)sXtt1-MAW*B-MA(2)*B2-MA(q)*Bq1-AR(1)*B-AR(2)*B2-AR(P)*BP（其中模型中的ar⑴......MA（1）表示的是求出来的系数。卩就是常数项）■所以可以考虑拟合模型为具体判别什么模型看书到的图例。1二、模型参数估计根据相关图模型确定为，建立...