第二章經濟時間序列的季節(jié)調整、分解與平滑(更新版)
【正文】 ③ 對數加法模型： () 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。它的特征在于除了能適應各種經濟指標的性質，根據各種季節(jié)調整的目的，選擇計算方式外，在不作選擇的情況下，也能根據事先編入的統(tǒng)計基準，按數據的特征自動選擇計算方式。 2 經濟指標的月度或季度時間序列包含 4種變動要素： 長期趨勢要素 T 循環(huán)要素 C 季節(jié)變動要素 S 不規(guī)則要素 I 經濟時間序列的分解 3 5 1 1 . 4 71 6 3 1 . 4 82 7 5 1 . 4 93 8 7 1 . 4 94 9 9 1 . 5 01981 1983 1985 1987 1989 1991 1993 1995 1997單位：億元60 6. 0515 05 .5 924 05 .1 233 04 .6 642 04 .2 01981 1983 1985 1987 1989 1991 1993 1995 1997單位：億元0 . 7 60 . 8 60 . 9 61 . 0 61 . 1 61981 1983 1985 1987 1989 1991 1993 1995 19970 . 8 90 . 9 51 . 0 01 . 0 61 . 1 11981 1983 1985 1987 1989 1991 1993 1995 1997圖 1 我國工業(yè)總產值的時間序列 Y 圖形 圖 2 工業(yè)總產值的趨勢 經濟時間序列的季節(jié)性波動是非常顯著的，它往往遮蓋或混淆經濟發(fā)展中其他客觀變化規(guī)律，以致給經濟增長速度和宏觀經濟形勢的分析造成困難和麻煩。 6 167。 這兩個程序往往聯(lián)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。 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 。 4. tramo/Seats方法 17 167。我們簡要介紹這種方法的原理。不允許填入非整數的數據。 頻譜濾波（ BP濾波）方法 20世紀以來 ， 利用統(tǒng)計方法特別是時間序列分析方法研究經濟時間序列和經濟周期的變動特征得到越來越廣泛的應用 。 共有 3種類型： （ 1） BK固定長度對稱濾波 （ Fixed length symmetric (BaxterKing， BK)） ； （ 2） CF固定長度對稱濾波 （ Fixed length symmetric (ChristianoFitzgerald， CF)） ； （ 3） 全樣本長度非對稱濾波 （ Full sample asymmetric(ChristianoFitzgerald)） 。 因此 ， 設定 PL=18， PU=60（ 相當于例 p和q） 。 由于帶通 （ BP） 濾波的兩端各欠 n項 ， 為了近期的分解結果沒有缺失值 ， 本例利用 ARIMA模型將序列外推到 2022年 2月 。 當只有少數觀測值時這種方法是有效的 。 4． 估計樣本 必須指定預測的樣本區(qū)間 （ 不管是否選擇估計參數
化學相關推薦
鄂ICP備17016276號-1