【正文】 題用 [c(L)YtT]2 來調(diào)整趨勢的變化，并隨著 ? 的增大而增大。 14 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。共包括 4種季節(jié)調(diào)整的分解形式：乘法、加法、偽加法和對數(shù)加法模型。1 第二章 經(jīng)濟時間序列的 季節(jié)調(diào)整、分解與平滑 本章主要介紹經(jīng)濟時間序列的分解和平滑方法。 7 X12季節(jié)調(diào)整方法的核心算法是擴展的 X11季節(jié)調(diào)整程序。 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(xiàn)的接口功能，更一般的命令接口程序。則 () 計算 HP濾波就是從 {Yt}中將 {YtT} 分離出來 。 第一種是直接分析數(shù)據(jù)隨時間變化的結(jié)構(gòu)特征 ， 即所謂時域 （ 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；另一種方法是把時間序列看成不同諧波的疊加 ， 研究時間序列在頻率域（ 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行討論 ， 所以通常稱為譜分析 。對于 BK和 CF固定長度對稱濾波而言， Eviews 畫出頻率響應函數(shù) w(?)， 頻率 ? 的區(qū)間是 [0，]，右面的圖描述了頻率響應函數(shù)。 （一個參數(shù)） （一個參數(shù)） — 無季節(jié)趨勢（兩個參數(shù)） （三個參數(shù)） （三個參數(shù)） 36 指數(shù)平滑法操作 利用指數(shù)平滑法進行擬合和預測 ， 選擇 Procs/ Exponential Smoothing 顯示如下對話框 37 1． 平滑方法 在 5種方法中選擇一種方法 。采用五種平滑模型對 1991年 1月 2022年 9月的數(shù)據(jù)做指數(shù)平滑，并利用預測公式得到 2022年 10月 2022年 3月半年的預測值。 32 圖 紅線表示 BPn(p,q)濾波頻率響應函數(shù) 藍線表示帶通濾波的頻率響應函數(shù) 33 圖 紅線表示 SL的原序列 藍線表示趨勢要素序列 SL_T 34 圖 循環(huán)要素序列 SL_C 35 167。 EViews將根據(jù)數(shù)據(jù)類型填入了默認數(shù)值 。它是一個絕對量的產(chǎn)出缺口。 HodrickPrescott（ HP） 濾波 在宏觀經(jīng)濟學中，人們非常關(guān)心序列組成成分中的長期趨勢， HodrickPrescott濾波是被廣泛使用的一種方法。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(diào)整后序列與季節(jié)項的和。在計算過程中可根據(jù)數(shù)據(jù)中的隨機因素大小，采用不同長度的移動平均，隨機因素越大，移動平均長度越大。經(jīng)濟統(tǒng)計中的月度和季度數(shù)據(jù)或大或小都含有季節(jié)變動因素， 以月份或季度作為時間觀測單位的經(jīng)濟時間序列通常具有一年一度的周期性變化，這種周期變化是由于季節(jié)因素的影響造成的，在經(jīng)濟分析中稱為季節(jié)性波動。 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。 當選擇了 Pross/Seasonal Adjustment/Tramo Seats 時，EViews執(zhí)行外部程序，將數(shù)據(jù)輸給外部程序，然后將結(jié)果返回 EViews。然后給定平滑參數(shù)的值，年度數(shù)據(jù)取 100，季度和月度數(shù)據(jù)分別取 16