【文章內(nèi)容簡介】 Fuller和PhillipsPerren單位根檢驗，可檢驗序列是否平穩(wěn)。選擇檢驗類型，決定單位根檢驗是否用原始數(shù)據(jù)、一階差分、二階差分，是否包括截距或趨勢以及檢驗回歸的滯后階數(shù)。更多的留在13章討論。167。（label） Update，你可以編輯序列標簽中的任何項。Last Update顯示序列上一次修改的時間。每一部分包括一行，只有Remarks and History包括20行，注意如果填入了一行（在20行中），最后一行將被刪除。167。1．由方程創(chuàng)建Generate by Equation允許你使用已有序列的表達式來建立新的序列，序列表達式的書寫規(guī)則見第5章。2．重置樣本Resampling從觀測值中提取，建立一個新序列。167。(Seasonal Adjustment)在序列窗口的工具欄中單擊Procs/Seasonal Adjustment，有4種季節(jié)調(diào)整方法， X12方法、X11方法、Tramo/Seats方法和移動平均方法。一、Census X12方法 調(diào)用X12季節(jié)調(diào)整過程 Census X12，X12方法有5種選擇框1．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）； ②季節(jié)濾波(Seasonal Filter)當估計季節(jié)因子時，允許選擇季節(jié)移動平均濾波（可能是月別移動平均項數(shù)），缺省是X12自動確定。近似地可選擇(X11 default)缺省選擇。③ 趨勢濾波（Trend Filter (Henderson)）指定亨德松移動平均的項數(shù)，可以輸入大于1和小于等于101的奇數(shù)，缺省是由X12自動選擇。④存調(diào)整后的分量序列名（Component Series to save）X12將加上相應(yīng)的后綴存在工作文件中。2．ARIMA選擇（ARIMA Option）X12允許你在季節(jié)調(diào)整前對被調(diào)整序列建立一個合適的ARMA模型?？梢栽谶M行季節(jié)調(diào)整和得到用于季節(jié)調(diào)整的向前/向后預(yù)測值之前，先去掉確定性的影響（例如節(jié)假日和貿(mào)易日影響）。①數(shù)據(jù)轉(zhuǎn)換（Data Transformation）② ARIMA說明(ARIMA Spec)允許你在2種不同的方法中選擇你的ARIMA模型。a、Specify inline選擇要求提供ARIMA模型階數(shù)的說明（p，d，q）(P，D，Q)，缺省的指定是“(0 1 1)(0 1 1)”是指季節(jié)的IMA模型：L是滯后算子，這里季節(jié)差分是指季度數(shù)據(jù)時s=4；月度數(shù)據(jù)時s =12。b、Select from file X12將從一個外部文件提供的說明集合中選擇ARIMA模型。③回歸因子選擇（Regressors）允許你在ARIMA模型中指定一些外生回歸因子，利用多選鈕可選擇常數(shù)項，或季節(jié)虛擬變量，事先定義的回歸因子可以捕捉貿(mào)易日和節(jié)假日的影響。④ ARIMA估計樣本區(qū)間 (ARIMA Estimation Sample)3．貿(mào)易日和節(jié)假日影響選擇4．外部影響(Outlier Effects)5．診斷（Diagnostics）二、X11方法X11法是美國商務(wù)部標準的調(diào)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趨勢項與季節(jié)項的乘積，加法模型適用于序列可被分解為趨勢項與季節(jié)項的和。乘法模型只適用于序列值都為正的情形。關(guān)于調(diào)整后的序列的名字。Eviews在原序列名后加SA，可以改變序列名，將被存儲在工作文件中。應(yīng)當注意，季節(jié)調(diào)整的觀測值的個數(shù)是有限制的。X11只作用于含季節(jié)數(shù)據(jù)的序列，需要至少4整年的數(shù)據(jù)，最多能調(diào)整20年的月度數(shù)據(jù)及30年的季度數(shù)據(jù)。三、移動平均方法四、tramo/Seats167。指數(shù)平滑是可調(diào)整預(yù)測的簡單方法。當你只有少數(shù)觀測值時這種方法是有效的。選擇Procs/Exponential Smoothing ，提供以下信息：一、 平滑方法 在5種方法中選擇一種方法。二、平滑參數(shù)可以讓Eviews估計它們的值。在填充區(qū)內(nèi)輸入字母e，Eviews估計使誤差平方和最小的參數(shù)值。在填充區(qū)內(nèi)輸入?yún)?shù)值，所有參數(shù)值在01之間。三、平滑后的序列名Eviews在原序列后加SM指定平滑后的序列名，也可以改變。四、估計樣本必須指定預(yù)測的樣本區(qū)間。缺省值是當前工作文件的樣本區(qū)間。五、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個月、4個季度）。167。 HodrickPrescott濾波設(shè)經(jīng)濟時間序列為Y=，趨勢要素為T=，n為樣本長度。一般地，時間序列中的不可觀測部分趨勢常被定義為下面最小化問題的解： (1)其中，正實數(shù)λ表示在分解中長期趨勢和周期波動占的權(quán)數(shù)，是延遲算子多項式 (2)將（2）代入（1）式，則HP濾波的問題就是使下面損失函數(shù)最小，即最小化問題用來調(diào)整趨勢的變化，并隨著λ的增大而增大。這里存在一個權(quán)衡問題，要在趨勢要素對實際序列的跟蹤程度和趨勢光滑度之間作一個選擇。＝0時，滿足最小化問題的趨勢等于序列；λ增加時，估計趨勢中的變化總數(shù)相對于序列中的變化減少，即λ越大，估計趨勢越光滑；λ趨于無窮大時，估計趨勢將接近線性函數(shù)。選擇Procs/Hodrick Prescott Filter，首先對平滑后的趨勢序列給一個名字，Eviews將默認一個名字，但你也可填入一個新的名字。然后給定平滑參數(shù)λ的值，一般經(jīng)驗地，λ的缺省值如下：不允許填入非整數(shù)的數(shù)據(jù)。點擊OK后，Eviews與原序列一起顯示處理后的序列。167。命令的語法結(jié)構(gòu)：序列名稱、圓點、視圖或過程名，再加上括號里的可選項。比如，如果要察看序列名為lwage的直方圖和描述統(tǒng)計量，；如果要檢驗序列HRS的均值是否等于3，(mean=3)；如果要得到序列GDP滯后20階的相關(guān)圖，(20)。如果要用HP濾波光滑序列GDP，參數(shù)為1600，并且光滑后的序列保存為GDP_HP,(1600) gdp_hp。第八章 組這一章描述了組對象的視圖與過程。對一個組我們可以計算各種統(tǒng)計量，描述不同序列之間的關(guān)系，并以各種方式顯示出來，例如表格、數(shù)據(jù)表、圖等。
167。組窗口內(nèi)的view下拉菜單分為四個部分：第一部分包括組中數(shù)據(jù)的各種顯示形式。第二部分包括各種基本統(tǒng)計量。第三部分為時間序列的特殊的統(tǒng)計量。第四部分為標簽項，提供組對象的相關(guān)信息。167。這部分顯示組中的序列，在組窗口內(nèi)進行編輯就可以改變組。按Update Group鍵保存改動。167。以表格形式顯示組中的每一序列。通過單擊Transpose鍵，可以使表格的行列互換。單擊Transform鍵，選擇下拉菜單中一項，可以用序列的不同形式（如水平或百分比）顯示表格。167。 數(shù)據(jù)表一、數(shù)據(jù)表（Dated Data Table）：數(shù)據(jù)表用來建立表以顯示數(shù)據(jù)、預(yù)測值和模擬結(jié)果?？梢圆煌男问斤@示組中的數(shù)據(jù)。你可以用其作一般的變換及頻率轉(zhuǎn)換，可以在同一表中以不同頻率顯示數(shù)據(jù)。二、建立一個數(shù)據(jù)表：要建立一個數(shù)據(jù)表，首先建立一個包含序列的組，選View/ Dated Data Table。三、表的設(shè)定：單擊Taboption鈕,顯示table options對話框，對話框的上半部分控制表一般形式。左邊的選項允許你在兩種顯示模式中轉(zhuǎn)換：第一種顯示模式每行顯示n年的數(shù)據(jù)。第二種模式允許你指定從工作文件樣本區(qū)間的末尾取出的觀測值的數(shù)目，這些觀察值以年頻率之外的一種頻率顯示。對話框右上部First Column描述組的第一列的顯示頻率，Second Column控制組的第二列的顯示。167。以圖形的形式顯示組中的序列?？梢酝ㄟ^freeze創(chuàng)造圖形對象。第10章解釋了如何編輯及修改圖形對象。一、Graph將所有序列顯示在一個圖內(nèi)。要單獨顯示各個序列，參照第205頁 “Multiple graphs”。 曲線圖和直方圖：此項用曲線圖或直方圖表示組中的序列。散點圖：序列的散點圖有五個選項：simple scatter ， scatter with regression ，scatter with nearest neighbor fit ，scatter with kernel fit，XY Pairs。XY線（XY Line）：顯示組中序列的XY線圖。X軸方向顯示第一個序列，Y軸方向顯示其余的序列。
差距條狀圖（Error Bar）：此項以豎線顯示組中前兩個或三個序列的差距。第一個序列作為“高”值，第二個作為“低”值。高、低值之間用豎線連接。第三個序列用一個小圓圈表示。高低點圖（Highlow（OpenClose））第一個序列是高值，第二個序列是低值，高值低值之間由一條豎線連接。如果高點值低于低點值，就以線段上的空白來表示。如果使用三個序列，第三個序列作為高低收盤圖的close值，以豎線右邊的橫線表示。如果使用四個序列，第三個序列代表開盤價，以左邊的橫線表示。第四個序列代表收盤價，以右邊的橫線表示。圓餅圖：以圓餅圖的形式顯示觀測值。以餅中的扇形表示每一序列在組中所占的百分比。二、復合圖（Multiple graphs）圖（Graph）用一張圖顯示所有序列，復合圖（Multiple Graphs）為每個序列顯示一張圖。主要有：曲線圖和直方圖，散點圖，XY線，分布圖。
167。顯示組內(nèi)序列的簡單統(tǒng)計量。Common Sample用于在組中序列無缺失值的情形下計算統(tǒng)計量（去掉包含缺失項所在時期的樣本）。Individual Samples用每一個序列有值的觀測值進行統(tǒng)計量計算（去掉缺失項）。167。這一部分的原假設(shè)是組內(nèi)所有的序列具有相同的均值、中位數(shù)或方差（詳見第七章）。只有在組中數(shù)據(jù)都不存在缺失項時才能選mon sample項。167。、協(xié)方差及相關(guān)圖相關(guān)和協(xié)方差：顯示了組中序列的相關(guān)及協(xié)方差距陣。Common Sample會去掉序列丟失項所在時期的觀察值，Pairwise Sample僅去掉丟失的值。167。顯示組中頭兩個序列的交叉相關(guān)。交叉相關(guān)不必圍繞滯后期對稱。交叉相關(guān)圖中的虛線是二倍的標準差，近似計算。167。 Granger因果檢驗主要看現(xiàn)在的y能夠在多大程度上被過去的y解釋，然后再加入x的滯后值是否使解釋程度提高。如果x在y的預(yù)測中有幫助，那就是說y是由x Grangercaused。當你選擇了Granger Casuality，在對話框輸入滯后階數(shù)。一般的要使用大一些的滯后階數(shù)，你應(yīng)該指定滯后期長度i。Eviews采用二元回歸形式對所有組內(nèi)可能的對（x,y），F(xiàn)統(tǒng)計量為具有聯(lián)合假設(shè)的Wald統(tǒng)計量，聯(lián)合假設(shè)為。對每個方程，原假設(shè)為在第一個回歸中x不Grangercause y，第二個回歸中y不Grangercause x。如果你想對其它外生變量（如季節(jié)dummy變量或線性趨勢）進行Granger causalilty檢驗，直接用方程進行檢驗回歸。167。 標簽顯示對組的描述。你可以編輯標簽中的任何項，除了Last Update。Name是組在工作文件中顯示的名字。你可以通過編輯這一項給組重命名。如果你在Display Name區(qū)中填入字符，Eviews將用這個名字在組中顯示某些圖和表。167。 組過程組中可以得到三個過程：Make Equation：打開一個確定方程的對話框，組中的第一個序列作為因變量，其余的序列作為自變量，包含常數(shù)項C。你可以隨意改變方程的表達式。Make Vector Autoregression 打開一個無限制的vector autoregression對話框。組中所有的序列在VAR中都為內(nèi)生變量。指定VAR表達式及估計見第19章。Resample可以改變組中所有序列的樣本區(qū)間。有關(guān)詳細內(nèi)容見173頁的“Resample”。167。 命令利用命令也可對組進行操作。一般規(guī)則是：組名后加點、視圖或過程的命令名，括號中是指定選項。比如（grp1）的散點圖；(med)可以檢驗組(gp_wage)中各序列的均值是否相等；(12)可以得到兩個序列到12階的交叉相關(guān)系數(shù)。第九章 應(yīng)用于序列和組的統(tǒng)計圖在本章，列出了幾種散點圖且允許我們可以用有參數(shù)或無參數(shù)過程來做擬合曲線圖。167。 序列的圖菜單列出了三種描述序列經(jīng)驗分布特征的圖。167。 CDF—Surivor—Quantile圖這個圖描繪出帶有加或減兩個標準誤差帶的經(jīng)驗累積分布函數(shù)，殘存函數(shù)和分位數(shù)函數(shù)。選擇View/Distribution Graphs/CDF—Surivor—Quantile CDF是來自于序列中觀測值r的概率 Surivor(殘存)操作用來描繪序列的經(jīng)驗殘存函數(shù)Quantile(分位數(shù)）操作用來描繪序列的經(jīng)驗分位數(shù)。對的分位數(shù) 滿足：且 All選項包括CDF，Survivor和Quantile函數(shù)。Saved matrix name可以允許你把結(jié)果保存在一個矩陣內(nèi)。Iclude standard errors(包括標準誤差) 操作標繪接近95%的置信區(qū)間的經(jīng)驗分布函數(shù)。167。 Quantile—Quantile圖Quantile—Quantile(圖)對于比較兩個分布是一種簡單但重要的工具。如果這兩個分布是相同的，則圖將在一條直線上。如果圖不在一條直線上，則這兩個分布是不同的。有Normal(正態(tài))分布、Uniform(一致)分布、Exponential(指數(shù))分布、Logistic(螺線)分布、Extreme value(極值)分布。167。 Kernel Density（核密度）這個視圖標繪出序列分布的核密度估計。核密度估計用“沖擊”代替了直方圖中的“框”所以它是平滑的。平滑是通過給遠離被估計的點的觀測值以小的權(quán)重來達到的。一個序列X在點x的核密度估計式：這里，N是觀測值的數(shù)目，h是帶寬（或平滑參數(shù)），K是合并為一體的核函數(shù)。選擇View/Astribution Graphs/Kernel Density…… 167。通過view/Graph/Scat