第二章經濟時間序列的季節(jié)調整、分解與平滑-文庫吧
2025-07-17 13:04 本頁面
【正文】 () ④ 偽加法模型： () tttt ISTCY ???tttt ISTCY ???tttt ISTCY lnlnlnln ???)1( ??? tttt ISTCY8 例 利用 X12加法模型進行季節(jié)調整 圖 社會消費品零售總額原序列 圖 社會消費品零售總額的 TCI 序列 9 圖 社會消費品零售總額 I 序列 圖 社會消費品零售總額的 TC序列 10 TRAMO(Time Series Regression with ARIMA Noise, Missing Observation, and Outliers)用來估計和預測 具有缺失觀測值 、非平穩(wěn) ARIMA誤差及外部影響的回歸模型。它能夠對原序列進行插值，識別和修正幾種不同類型的異常值，并對工作日變化及復活節(jié)等特殊回歸因素及假定為 ARIMA過程的誤差項的參數進行估計。 SEATS(Signal Extraction in ARIMA Time Series)是基于ARIMA模型來對時間序列中不可觀測成分進行估計。 這兩個程序往往聯合起來使用，先用 TRAMO對數據進行預處理，然后用 SEATS將時間序列分解為趨勢要素、循環(huán)要素、季節(jié)要素及不規(guī)則要素 4個部分。 167。 TRAMO/SEATS方法 11 本節(jié)主要介紹利用 EViews軟件對一個月度或季度時間序列進行季節(jié)調整的操作方法。在 EViews工作環(huán)境中，打開一個月度或季度時間序列的工作文件，雙擊需進行數據處理的序列名，進入這個序列對象，在序列窗口的工具欄中單擊Proc按鈕將顯示菜單： 167。 季節(jié)調整相關操作 (EViews軟件 ) 12 1. X11方法 X11法是美國商務部標準的季節(jié)調整方法 (乘法模型、加法模型 )，乘法模型適用于序列可被分解為季節(jié)調整后序列（趨勢 循環(huán) 不規(guī)則要素 項）與季節(jié)項的乘積，加法模型適用于序列可被分解為季節(jié)調整后序列與季節(jié)項的和。乘法模型只適用于序列值都為正的情形。 13 2. Census X12方法 EViews是將美國國勢調查局的 X12季節(jié)調整程序直接安裝到 EViews子目錄中 ， 建立了一個接口程序 。 EViews進行季節(jié)調整時將執(zhí)行以下步驟： 1． 給出一個被調整序列的說明文件和數據文件； 2． 利用給定的信息執(zhí)行 X12程序； 3． 返回一個輸出文件 ， 將調整后的結果存在 EViews工作文件中 。 X12的 EViews接口菜單只是一個簡短的描述， EViews還提供了一些菜單不能實現的接口功能，更一般的命令接口程序。 14 調用 X12季節(jié)調整過程，在序列窗口選擇 Procs/Seasonal Adjustment / Census X12，打開一個對話框： 15 3. 移動平均方法 X11法與移動平均法的最大不同是： X11法中季節(jié)因子年與年有可能不同，而在移動平均法中，季節(jié)因子被假設為是一樣的。 16 Tramo(Time Series Regression with ARIMA Noise, Missing Observation, and Outliers)是對具有缺失觀測值 ，ARIMA誤差 、 幾種外部影響的回歸模型完成估計 、 預測和插值的程序 。 Seats(Signal Extraction in ARIMA Time Series)是基于ARIMA模型的將可觀測時間序列分解為不可觀測分量的程序 。這兩個程序是有 Victor Gomez 和 Agustin Maravall 開發(fā)的 。 當選擇了 Pross/Seasonal Adjustment/Tramo Seats 時，EViews執(zhí)行外部程序，將數據輸給外部程序，然后將結果返回 EViews。 4. tramo/Seats方法 17 167。 趨勢分解 本章第 2節(jié)介紹的季節(jié)調整方法可以對經濟時間序列進行分解，但在季節(jié)調整方法中，趨勢和循環(huán)要素視為一體不能分開。本節(jié)專門
化學相關推薦
鄂ICP備17016276號-1