時間序列分析培訓(xùn)課程(編輯修改稿)
2025-03-22 12:54 本頁面
【文章內(nèi)容簡介】 Dy t 1+ vt預(yù)測 2023年的中國總?cè)丝冢诖翱谥悬c(diǎn)擊 forecast鍵，彈出對話窗口。在 S. E. (optional)選擇區(qū)填入 yfse，把 Forecast sample (預(yù)測樣本區(qū)間 )改為 2023 ~2023，預(yù)測方法 (Method)選靜態(tài)預(yù)測 (Static) 第四節(jié) ARIMA的建立 ?例： example 82是我國 1990年 1月份至 1997年 12月工業(yè)總產(chǎn)值的月度資料，記作 IP，共有 96個觀測值，對序列 IP建立 ARIMA模型。 ?實(shí)際建模時希望用高階的 AR模型替換相應(yīng)的MA或 ARMA模型。 第五節(jié) 協(xié)整檢驗(yàn)和 ECM模型 ?協(xié)整檢驗(yàn)的基本思想是對回歸方程的殘差進(jìn)行單位根檢驗(yàn)，若殘差序列是平穩(wěn)序列，則表明方程的因變量和解釋變量之間存在協(xié)整關(guān)系，否則不存在協(xié)整關(guān)系。 ?例： case 27中序列 S和 Z分別表示 1992年 1月至 1998年 12月經(jīng)居民消費(fèi)價格指數(shù)調(diào)整的中國城鎮(zhèn)居民月人均生活費(fèi)支出和可支配收入時間序列。 SA和 ZA分別代表以 X11程序?qū)ase27中城鎮(zhèn)居民月人均生活費(fèi)支出和可支配收入時間序列進(jìn)行季節(jié)調(diào)整后的序列。要求對經(jīng)自然對數(shù)變換后的序列 LSA和 LZA做協(xié)整檢驗(yàn)。 例 ? Table86中是我國從 1978年至 2023年數(shù)據(jù)。建立實(shí)際消費(fèi)支出（ lnACS)與實(shí)際可支配收入 (LnDinc)的回歸方程，并研究二者之間是否存在協(xié)整關(guān)系。若存在，建立如下誤差修正模型： ??????? ecmcD in cccAC S 21 lnln 第六節(jié) 向量自回歸模型 ?向量自回歸模型通常用于多變量時間序列系統(tǒng)的預(yù)測和描述隨機(jī)擾動對變量系統(tǒng)的動態(tài)影響。 ?最一般的 VAR（ p）模型： ???????? ??? rtrtptptt xBxByAyAy ?? 111 ? VAR模型只有在 x 與 y互為因果時，才有效，另外也要求序列是平穩(wěn)的，因此應(yīng)先檢驗(yàn)序列的平穩(wěn)性。 ?滯后階數(shù)的確定 ? EViews提供了最常用的 LR檢驗(yàn)統(tǒng)計(jì)量，最終預(yù)測誤差 FPE， AIC信息準(zhǔn)則， SC信息準(zhǔn)則和 HQ信息準(zhǔn)則。 ?例： case43中序列 y1,y2,y3分別表示我國19521988年工業(yè)部門、交通運(yùn)輸部門和商業(yè)部門的產(chǎn)出指數(shù)序列，試建立 VAR模型。 ???????
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1