【正文】 影響（例如節(jié)假日和貿(mào)易日影響）。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。例如，對(duì)于零售業(yè)在每周的星期一至星期五的銷售額比該周的星期六、星期日要少得多。 Select from file 選擇選擇 X12將從一個(gè)外部文件提供的說明集合中選擇 ARIMA模型。也可以在模型中指定一些外生回歸因子，建立ARIMAX模型。最終的不規(guī)則要素分量（＿ IR）； ②② 季節(jié)濾波季節(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(dòng)平均濾波（月別移動(dòng)平均項(xiàng)數(shù)），缺省是 X12自動(dòng)確定。 需要注意，季節(jié)調(diào)整的觀測(cè)值的個(gè)數(shù)是有限制的。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)入這個(gè)序列對(duì)象，在序列窗口的工具欄中單擊Proc按鈕將顯示菜單：167。12 美國(guó)商務(wù)部國(guó)勢(shì)普查局的 X12季節(jié)調(diào)整程序是在 X11方法的基礎(chǔ)上發(fā)展而來的，包括 X11季節(jié)調(diào)整方法的全部功能，并對(duì) X11方法進(jìn)行了以下 3方面的重要改進(jìn)： (1) 擴(kuò)展了貿(mào)易日和節(jié)假日影響的調(diào)節(jié)功能，增加了季節(jié)、趨勢(shì)循環(huán)和不規(guī)則要素分解模型的選擇功能； (2) 新的季節(jié)調(diào)整結(jié)果穩(wěn)定性診斷功能； (3) 增加 X12ARIMA模型的建模和模型選擇功能。 1961年，國(guó)勢(shì)普查局又發(fā)表了 X10方法。此時(shí)，由于項(xiàng)數(shù)是偶數(shù)，故常常進(jìn)行所謂 “移動(dòng)平均的中心化 ”，即取連續(xù)的兩個(gè)移動(dòng)平均值的平均值作為該月的值。因此，在進(jìn)行經(jīng)濟(jì)增長(zhǎng)分析時(shí)，必須去掉季節(jié)波動(dòng)的影響，將季節(jié)要素從原序列中剔除，這就是所謂的 “ 季節(jié)調(diào)整 ” (Seasonal Adjustment)。　　 循環(huán)要素循環(huán)要素 (C ): 是以數(shù)年為周期的一種周期性變動(dòng)?！　?長(zhǎng)期趨勢(shì)要素長(zhǎng)期趨勢(shì)要素 (T ): 代表經(jīng)濟(jì)時(shí)間序列長(zhǎng)期的趨勢(shì)特性。經(jīng)濟(jì)時(shí)間序列的季節(jié)性波動(dòng)是非常顯著的，它往往遮蓋或混淆經(jīng)濟(jì)發(fā)展中其他客觀變化規(guī)律，以致給經(jīng)濟(jì)增長(zhǎng)速度和宏觀經(jīng)濟(jì)形勢(shì)的分析造成困難和麻煩。 6 例如，常用的三項(xiàng)移動(dòng)平均 () 兩端補(bǔ)欠項(xiàng)：() () 中心化移動(dòng)平均中心化移動(dòng)平均 考慮消除季節(jié)變動(dòng)時(shí)，最簡(jiǎn)單的方法是對(duì)月度數(shù)據(jù)進(jìn)行 12個(gè)月移動(dòng)平均。 1960年，發(fā)表了 X3方法， X3方法和以前的程序相比，特異項(xiàng)的代替方法和季節(jié)要素的計(jì)算方法略有不同。正因?yàn)槿绱耍?X11方法受到很高的評(píng)價(jià)，已為歐美、日本等國(guó)的官方和民間企業(yè)、國(guó)際機(jī)構(gòu) (IMF)等采用，成為目前普遍使用的季節(jié)調(diào)整方法。共分為三個(gè)階段：3．． X12季節(jié)調(diào)整方法的核心算法季節(jié)調(diào)整方法的核心算法15① 通過中心化 12項(xiàng)移動(dòng)計(jì)算平均趨勢(shì)循環(huán)要素的初始估計(jì) ()② 計(jì)算 SI項(xiàng)的初始估計(jì) ()③ 通過 33移動(dòng)平均計(jì)算季節(jié)因子 S的初始估計(jì) ()④ 消除季節(jié)因子中的殘余趨勢(shì) ()⑤ 季節(jié)調(diào)整結(jié)果的初始估計(jì) ()第一階段第一階段 季節(jié)調(diào)整的初始估計(jì)季節(jié)調(diào)整的初始估計(jì)16① 利用 Henderson移動(dòng)平均公式計(jì)算暫定的趨勢(shì)循環(huán)要素 ()② 計(jì)算暫定的 SI項(xiàng) ()③ 通過 35項(xiàng)移動(dòng)平均計(jì)算暫定的季節(jié)因子 ()④ 計(jì)算最終的季節(jié)因子 ()⑤ 季節(jié)調(diào)整的第二次估計(jì)結(jié)果 ()第二階段第二階段 計(jì)算暫定的趨勢(shì)循環(huán)要素和最終的季節(jié)因子計(jì)算暫定的趨勢(shì)循環(huán)要素和最終的季節(jié)因子17① 利用 Henderson移動(dòng)平均公式計(jì)算最終的趨勢(shì)循環(huán)要素 ()② 計(jì)算最終的不規(guī)則要素 () 第三階段第三階段 計(jì)算最終的趨勢(shì)循環(huán)要素和最終的不規(guī)則要素計(jì)算最終的趨勢(shì)循環(huán)要素和最終的不規(guī)則要素18 本節(jié)主要介紹利用 EViews軟件對(duì)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。 EViews在原序列名后加 SA，但也可以改變調(diào)整后的序列名，這將被存儲(chǔ)在工作文件中。注意乘法、偽加法和對(duì)數(shù)加法不允許有零和負(fù)數(shù)。最終的趨勢(shì) — 循環(huán)序列（＿ TC）； 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(dòng)平均模型 (MA)的延遲階數(shù) q。 36 38 由每天經(jīng)濟(jì)活動(dòng)的總和組成的月度時(shí)間序列受該月各周的影響，這種影響稱為貿(mào)易日影響（或周工作日影響）。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。注意 EViews中的節(jié)假日調(diào)整只針對(duì)美國(guó)，不能應(yīng)用于其他國(guó)家。對(duì)每一個(gè)節(jié)日，必須提供一個(gè)數(shù)，是到這個(gè)節(jié)日之前影響的持續(xù)天數(shù)。 47 5. 診斷診斷 （（ Diagnostics））48 這項(xiàng)選擇提供了各種診斷： ① 季節(jié)因素的穩(wěn)定性分析季節(jié)因素的穩(wěn)定性分析 （ Stability Analysis of Seasonals） 這兩個(gè)程序往往聯(lián)合起來使用，先用 TRAMO對(duì)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(shì)要素、循環(huán)要素、季節(jié)要素及不規(guī)則要素 4個(gè)部分。 53167。 ? = 0 時(shí)，滿足最小化問題的趨勢(shì)等于序列 {Yt}； ? 增加時(shí)，估計(jì)趨勢(shì)中的變化總數(shù)相對(duì)于序列中的變化減少，即 ? 越大，估計(jì)趨勢(shì)越光滑； ? 趨于無窮大時(shí)，估計(jì)趨勢(shì)將接近線性函數(shù)。注意只有包括在當(dāng)前工作文件樣本區(qū)間內(nèi)的數(shù)據(jù)才被處理，平滑后序列區(qū)間外的數(shù)據(jù)都為 NA。第一種是直接分析數(shù)據(jù)隨時(shí)間變化的結(jié)構(gòu)特征，即所謂時(shí)域（ time domain）分析法，使用的工具是自相關(guān)（或自協(xié)方差）函數(shù)和差分方程；另一種方法是把時(shí)間序列看成不同諧波的疊加，研究時(shí)間序列在頻率域（frequency domain）里的結(jié)構(gòu)特征，由于這種分析主要是用功率譜的概念進(jìn)行討論，所以通常稱為譜分析。68 頻率 ? 和周期 p 有如下關(guān)系：頻率 ? 周期 = ? ? p = 2? () 時(shí)間序列 X 的變動(dòng)可以分解成各種不同頻率波動(dòng)的疊加和，根據(jù)哪種頻 率的波動(dòng)具有更大的貢獻(xiàn)率來解釋 X 的周期波動(dòng)的成分，這就是譜分析（頻率分 析）名稱的緣由。在這個(gè)功率譜圖中， [0， ?]的頻率對(duì)應(yīng)的周期從 ? 到 2期，（由于譜密度函數(shù)的對(duì)稱性，圖中只給出 [0， ?]間的譜圖）。上面的變換可以用延遲算子表示為 ()其中：73 由這種變換構(gòu)成的延遲多項(xiàng)式被稱為 線性濾波線性濾波 (linear filter)，或只稱為濾波。 要想得到理想的濾波，需要無限階移動(dòng)平均。 圖圖 差分濾波的圖形差分濾波的圖形79 4．帶通濾波．帶通濾波 可以使得在頻率帶 ?L1|?| ?L2 的范圍內(nèi)，頻率響應(yīng)函數(shù)為 1，而其他區(qū)間為 0。 因此，在周期 p為 18， q為 60的帶通濾波的理想的頻率響應(yīng)函數(shù)在[1/60， 1/18]的頻率區(qū)間的取值應(yīng)為 1。這個(gè)區(qū)間由一對(duì)數(shù)據(jù) （ PL， PU） 描述， PL、 PU 由 BandPass濾波要保留的循環(huán)波動(dòng)成分所對(duì)應(yīng)的周期來確定。 86 用戶需要輸入希望保存的結(jié)果（循環(huán)成分、趨勢(shì)成分）對(duì)象的名字。 取 p = 18 (?p = 1/18)， q = 60 (?q = 1/60)，利用式 ()帶通濾波方法希望得到只保留 ～ 5年周期成分的濾波序列。下面，我們對(duì) EViews中的指數(shù)平滑法作簡(jiǎn)要討論。Bowermen和 O’Connell（ 1979）建議 ? 值在 之間較好。雙指數(shù)平滑法只用了一個(gè)參數(shù)，這種方法用兩個(gè)參數(shù)。102 這三個(gè)系數(shù)由下面的遞歸式定義其中： k 0， ?， ?， ? 在 0～ 1之間，為阻尼因子。 2．． 平滑參數(shù)平滑參數(shù) 既可以指定平滑參數(shù)也可以讓 EViews估計(jì)它們的值。 5．． 季節(jié)循環(huán)季節(jié)循環(huán) 可以改變每年的季節(jié)數(shù)（缺省值為每年 12個(gè)月、 4個(gè)季度）。 00:18:2400:18:2400:18Sunday, March 21, 20231乍 見 翻疑夢(mèng)，相悲各 問 年。 三月 2100:18:2400:18Mar2121Mar211世 間 成事，不求其 絕對(duì)圓滿 ，留一份不足，可得無限完美。 00:18:2400:18:2400:183/21/2023 12:18:24 AM1越是沒有本 領(lǐng) 的就越加自命不凡。 12:18:24 上午 12:18 上午 00:18:24三月 21MOMODA POWERPOINTLorem ipsum dolor sit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis amet, consectetur adipiscing elit. Fusce id urna blanditut cursus. 感謝您的下載觀看專 家告