季節(jié)性時(shí)間序列模型(參考版)
2025-01-09 20:09本頁(yè)面
【正文】 2023/3/22 13:34:4413:34:4422 March 20231一個(gè)人即使已登上頂峰，也仍要自強(qiáng)不息。 22 三月 20231:34:44 下午 13:34:44三月 211最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。勝人者有力，自勝者強(qiáng)。 三月 2113:34:4413:34Mar2122Mar211越是無(wú)能的人，越喜歡挑剔別人的錯(cuò)兒。 三月 21三月 21Monday, March 22, 2023閱讀一切好書如同和過去最杰出的人談話。 2023/3/22 13:34:4413:34:4422 March 20231空山新雨后，天氣晚來(lái)秋。 22 三月 20231:34:44 下午 13:34:44三月 211楚塞三湘接，荊門九派通。 13:34:4413:34:4413:34Monday, March 22, 20231不知香積寺，數(shù)里入云峰。 13:34:4413:34:4413:343/22/2023 1:34:44 PM1成功就是日復(fù)一日那一點(diǎn)點(diǎn)小小努力的積累。 1:34:44 下午 1:34 下午 13:34:44三月 21沒有失敗，只有暫時(shí)停止成功！。 三月 211:34 下午 三月 2113:34March 22, 20231行動(dòng)出成果，工作出財(cái)富。 三月 21三月 2113:34:4413:34:44March 22, 20231他鄉(xiāng)生白發(fā)，舊國(guó)見青山。 三月 2113:34:4413:34Mar2122Mar211故人江海別，幾度隔山川。 三月 21三月 21Monday, March 22, 2023雨中黃葉樹，燈下白頭人。n 圖 n 做完上述選擇后，點(diǎn)擊 “確認(rèn) ”鍵，得到季節(jié)調(diào)整序列 SALES_SA；季節(jié)因子序列 SALES_SF；趨勢(shì)循環(huán)序列 SALES_TC和不規(guī)則序列SALES_IR，分別見圖 。這些選項(xiàng)意味著，在 X11階段進(jìn)行季節(jié)調(diào)整，但只考慮交易日效應(yīng)，不考慮假日效應(yīng)（因?yàn)榧偃招?yīng)中的復(fù)活節(jié)、感恩節(jié)、圣誕節(jié)等因素不適用于中國(guó)經(jīng)濟(jì)）。n n 圖 圖 n ③ 激活 Trading Day/Holiday模塊（圖 ），共有三個(gè)選項(xiàng)區(qū)。在 Data Transformation（變換數(shù)據(jù)）選項(xiàng)區(qū)選 None；在 ARIMA Spec（ ARIMA設(shè)定）選項(xiàng)區(qū)選 No ARIMA； Regressors（回歸變量）選項(xiàng)區(qū)不選； ARIMA Estimation Sample選項(xiàng)區(qū)保持空白。n 在 Component Series to Save（保存分量）選項(xiàng)區(qū)選季節(jié)調(diào)整序列（ _SA）、季節(jié)因子序列（ _SF）、趨勢(shì)循環(huán)序列（ _TC）、不規(guī)則序列（ _IR）四個(gè)分量（通過在小方格內(nèi)勾選保存在工作文件里）。n 在 Seasonal Filter（季節(jié)濾子）選項(xiàng)區(qū)選 Auto（自動(dòng)）。圖 n ① 首先顯示的是 Seasonal Adjustment（季節(jié)調(diào)整）模塊（圖 ），該模塊共有 5個(gè)選項(xiàng)區(qū)。n 二、案例： 19932023年中國(guó)社會(huì)消費(fèi)品零售總額月度序列（單位：億元）n 通過 19932023年中國(guó)社會(huì)消費(fèi)品零售總額月度序列的時(shí)序圖（圖 ），我們可以觀察到該序列有著很強(qiáng)的季節(jié)特征。 n X12ARIMA方法提供了四個(gè)方面的改進(jìn)和提高，（ 1）可選擇季節(jié)、交易日及假日進(jìn)行調(diào)整，包括調(diào)整用戶定義的回歸自變量估計(jì)結(jié)果，選擇輔助季節(jié)和趨勢(shì)過濾器，以及選擇季節(jié)、趨勢(shì)和不規(guī)則因素的分解形式；（ 2）對(duì)各種選項(xiàng)條件下調(diào)整的質(zhì)量和穩(wěn)定性做出新診斷；（ 3） 對(duì)具有 ARIMA誤差及可選擇穩(wěn)健估計(jì)系數(shù)的線性回歸模型，進(jìn)行廣泛的時(shí)間序列建模和模型選擇能力分析；（ 4）提供一個(gè)新的易于分批處理大量時(shí)間序列能力的用戶界面。EVIEWS軟件介紹 (Ⅴ )n 一、 X12季節(jié)調(diào)整方法簡(jiǎn)介n X12ARIMA方法最早由美國(guó)普查局 Findley等人在 20世紀(jì) 90年代左右提出，現(xiàn)已成為對(duì)重要時(shí)間序列進(jìn)行深入處理和分析的工具，也是處理最常用經(jīng)濟(jì)類指標(biāo)的工具，在美國(guó)和加拿大被廣泛使用。 n 例 繪制 1993年 1月至 2023年 12月中國(guó)社會(huì)消費(fèi)品零售總額序列的自相關(guān)和偏自相關(guān)圖（圖
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1