時間序列分析培訓課程(編輯修改稿)
2025-03-22 12:54 本頁面
【文章內容簡介】 Dy t 1+ vt預測 2023年的中國總人口，在窗口中點擊 forecast鍵，彈出對話窗口。在 S. E. (optional)選擇區(qū)填入 yfse，把 Forecast sample (預測樣本區(qū)間 )改為 2023 ~2023，預測方法 (Method)選靜態(tài)預測 (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。 ?實際建模時希望用高階的 AR模型替換相應的MA或 ARMA模型。 第五節(jié) 協(xié)整檢驗和 ECM模型 ?協(xié)整檢驗的基本思想是對回歸方程的殘差進行單位根檢驗，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)整關系，否則不存在協(xié)整關系。 ?例： case 27中序列 S和 Z分別表示 1992年 1月至 1998年 12月經(jīng)居民消費價格指數(shù)調整的中國城鎮(zhèn)居民月人均生活費支出和可支配收入時間序列。 SA和 ZA分別代表以 X11程序對case27中城鎮(zhèn)居民月人均生活費支出和可支配收入時間序列進行季節(jié)調整后的序列。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。 例 ? Table86中是我國從 1978年至 2023年數(shù)據(jù)。建立實際消費支出（ lnACS)與實際可支配收入 (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)的預測和描述隨機擾動對變量系統(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，因此應先檢驗序列的平穩(wěn)性。 ?滯后階數(shù)的確定 ? EViews提供了最常用的 LR檢驗統(tǒng)計量，最終預測誤差 FPE， AIC信息準則， SC信息準則和 HQ信息準則。 ?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。 ???????
教學課件相關推薦
鄂ICP備17016276號-1