otgaaa第02章--經(jīng)濟(jì)時(shí)間序列的季節(jié)調(diào)整、分解和平滑方法-文庫吧
2025-07-20 09:44 本頁面
【正文】 g(1965)討論了浮動貿(mào)易日的影響， Cleveland and Grupe(1983)討論了固定貿(mào)易日的影響。貿(mào)易日影響和季節(jié)影響一樣使得比較各月的序列值變得困難，而且不利于研究序列間的相互影響。由于這個(gè)原因，當(dāng)貿(mào)易日影響的估計(jì)在統(tǒng)計(jì)上顯著時(shí)，通常在季節(jié)調(diào)整之前先把貿(mào)易日的影響從序列中剔除。在調(diào)整的內(nèi)容中，形成了又一個(gè)分解要素：貿(mào)易日要素 D。 在 X12季節(jié)調(diào)整中，假設(shè)貿(mào)易日影響要素包含在不規(guī)則要素中，即不規(guī)則要素的形式是 ID，假設(shè)已從原序列 Y 中分解出 ID。然后用回歸分析求出星期一，星期二， …… ，星期日的相應(yīng)權(quán)重，從而可以將 ID 分解為真正的不規(guī)則要素 I 和貿(mào)易日要素 D。 美國的圣誕節(jié)、復(fù)活節(jié)及感恩節(jié)等節(jié)假日對經(jīng)濟(jì)時(shí)間序列也會產(chǎn)生影響。例如，圣誕節(jié)的影響可以增加當(dāng)周或前一周商品的零售額，或者是降低特定工廠在圣誕節(jié)前幾天的產(chǎn)量。在 X12方法中，貿(mào)易日和節(jié)假日影響可以從不規(guī)則要素中同時(shí)估計(jì)得到。在 X12方法中，可以對不規(guī)則要素建立ARIMAX模型，包括貿(mào)易日和節(jié)假日影響的回歸變量，而且還可以指明奇異值的影響，并在估計(jì)其他回歸影響的同時(shí)消除它們。注意 EViews中的節(jié)假日調(diào)整只針對美國，不能應(yīng)用于其他國家。 （ 2）節(jié)假日影響的調(diào)整 X12方法是基于移動平均法的季節(jié)調(diào)整方法。它的一個(gè)主要缺點(diǎn)是在進(jìn)行季節(jié)調(diào)整時(shí)，需要在原序列的兩端補(bǔ)欠項(xiàng)，如果補(bǔ)欠項(xiàng)的方法不當(dāng)，就會造成信息損失。 X12 ARIMA方法是由 X12方法和時(shí)間序列模型組合而成的季節(jié)調(diào)整方法。通過用 ARIMA模型 (autoregressive integrated moving Average) 延長原序列，彌補(bǔ)了移動平均法末端項(xiàng)補(bǔ)欠值的問題。 建立 ARIMA(p, d, q)模型，需要確定模型的參數(shù)，包括單整階數(shù) d；自回歸模型 (AR)的延遲階數(shù) p；動平均模型 (MA)的延遲階數(shù) q。也可以在模型中指定一些外生回歸因子，建立ARIMAX模型。對于時(shí)間序列中的一些確定性的影響（如節(jié)假日和貿(mào)易日影響），應(yīng)在季節(jié)調(diào)整之前去掉。 4． X12 ARIMA模型 外部影響調(diào)整包括附加的外部沖擊 (addtive outlier， AO)和水平變換 (level shift， LS)。附加的外部沖擊 (AO)調(diào)整是指對序列中存在的奇異點(diǎn)數(shù)據(jù)進(jìn)行調(diào)整，水平變換 (LS)是指對水平上發(fā)生突然變化的序列的處理。 5．外部影響調(diào)整 040000800001202201600002022002400002800001976 1978 1980 1982 1984 1986圖 經(jīng)濟(jì)時(shí)間序列水平變換示意圖 通過對 ARIMAX模型中的回歸方程添加外部沖擊和水平變換回歸變量，可以處理奇異點(diǎn)數(shù)據(jù)和在水平上發(fā)生突然變化的序列。在對序列進(jìn)行預(yù)調(diào)整的同時(shí)得到外部影響調(diào)整是 X12ARIMA模型的特殊能力。 在奇異點(diǎn) t0的外部沖擊變量： () 在水平位移點(diǎn) t0的水平變換變量： () ??????00)(010ttttAO tt???????00)(010ttttLS tt TRAMO(Time Series Regression with ARIMA Noise, Missing Observation, and Outliers)用來估計(jì)和預(yù)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?qū)υ蛄羞M(jìn)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(fù)活節(jié)等特殊回歸因素及假定為 ARIMA過程的誤差項(xiàng)的參數(shù)進(jìn)行估計(jì)。 SEATS(Signal Extraction in ARIMA Time Series)是基于 ARIMA模型來對時(shí)間序列中不可觀測成分進(jìn)行估計(jì)。 這兩個(gè)程序往往聯(lián)合起來使用，先用 TRAMO對數(shù)據(jù)進(jìn)行預(yù)處理，然后用 SEATS將時(shí)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(gè)部分。 TRAMO/SEATS方法 本節(jié)主要介紹利用 EViews軟件對一個(gè)月度或季度時(shí)間序列進(jìn)行季節(jié)調(diào)整的操作方法。在 EViews工作環(huán)境中，打開一個(gè)月度或季度時(shí)間序列的工作文件，雙擊需進(jìn)行數(shù)據(jù)處理的序列名，進(jìn)入存放時(shí)間序列的工作表中，在序列窗口的工具欄中單擊 Proc按鈕將顯示菜單： 季節(jié)調(diào)整相關(guān)操作 (EViews軟件 ) 1. Census X12方法 EViews是將美國國勢調(diào)查局的 X12季節(jié)調(diào)整程序直接安裝到 EViews子目錄中 ， 建立了一個(gè)接口程序 。 EViews進(jìn)行季節(jié)調(diào)整時(shí)將執(zhí)行以下步驟： 1． 給出一個(gè)被調(diào)整序列的說明文件和數(shù)據(jù)文件； 2． 利用給定的信息執(zhí)行 X12程序； 3． 返回一個(gè)輸出文件 ， 將調(diào)整后的結(jié)果存在 EViews工作文件中 。 X12的 EViews接口菜單只是一個(gè)簡短的描述， EViews還提供了一些菜單不能實(shí)現(xiàn)的接口功能，更一般的命令接口程序。 調(diào)用 X12季節(jié)調(diào)整過程，在序列窗口選擇 Procs/Seasonal Adjustment / Census X12，打開一個(gè)對話框： X12方法有 5種選擇框 ， 下面分別介紹 。 一 、 季節(jié)調(diào)整選擇 （ Seasonal Ajustment Option） ① X11方法 （ X11 Method） 這一部分指定季節(jié)調(diào)整分解的形式：乘法；加法；偽加法 （ 此形式必須伴隨 ARIMA說明 ） ；對數(shù)加法 。 注意乘法；偽加法和對數(shù)加法不允許有零和負(fù)數(shù) 。 ② 季節(jié)濾波 (Seasonal Filter) 當(dāng)估計(jì)季節(jié)因子時(shí) ， 允許選擇季節(jié)移動平均濾波 （ 可能是月別移動平均項(xiàng)數(shù) ） ， 缺省是 X12自動確定 。 近似地可選擇 (X11 defaul)缺省選擇 。 需要注意如果序列短于 20年 ， X12不允許指定 3 15的季節(jié)濾波 。 ④ 存調(diào)整后的分量序列名 （ Component Series to save） X12將被調(diào)整的序列名作為缺省列在 Base name框中 ，可以改變序列名 。 在下面的多選鈕中選擇要保存的季節(jié)調(diào)整后分量序列 ， X12將加上相應(yīng)的后綴存在工作文件中： 最終的季節(jié)調(diào)整后序列 （ ＿ SA） ； 最終的季節(jié)因子 （ ＿ SF） ； 最終的趨勢 — 循環(huán)序列 （ ＿ TC） ； 最終的不規(guī)則要素分量 （ ＿ IR） ； 季節(jié) /貿(mào)易日因子 （ ＿ D16） ； 假日 /貿(mào)易日因子 （ ＿ D18） ； ③ 趨勢濾波 （ Trend Filter (Henderson)） 當(dāng)估計(jì)趨勢 — 循環(huán)分量時(shí) ， 允許指定亨德松移動平均的項(xiàng)數(shù) ， 可以
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1