第二章經濟時間序列的季節(jié)調整、分解與平滑-文庫吧資料
2024-08-14 13:04本頁面
【正文】 與原序列一起顯示處理后的序列。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 1600和 14400。 ? = 0 時，滿足最小化問題的趨勢等于序列 {Yt}； ? 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 ? 越大，估計趨勢越光滑； ? 趨于無窮大時，估計趨勢將接近線性函數(shù)。 ctTtt YYY ?? Tt ,2,1 ??19 一般地，時間序列 {Yt}中的不可觀測部分趨勢 {YtT}常被定義為下面最小化問題的解： () 其中： c(L)是延遲算子多項式 () 將式 ()代入式 ()，則 HP濾波的問題就是使下面損失函數(shù)最小，即 () ? ? ? ?? ?? ?????TtTtTtt YLcYY122m i n ?? ? ? ? ? ?LLLc ???? ? 111? ? ? ? ? ?? ??????? ????? ??????TtTtTtTtTtTtTtt YYYYYY121112m i n ?20 最小化問題用 [c(L)YtT]2 來調整趨勢的變化，并隨著 ? 的增大而增大。 設 {Yt}是包含趨勢成分和波動成分的經濟時間序列， {YtT}是其中含有的趨勢成分， {YtC}是其中含有的波動成分。該方法在 Hodrick and Prescott(1980) 分析戰(zhàn)后美國經濟周期的論文中首次使用。 18 167。測定長期趨勢有多種方法，比較常用的方法有回歸分析方法、移動平均法、階段平均法 (phase average， PA方法 )、 HP濾波方法和頻譜濾波方法（ frequency (bandpass) filer， BP濾波）。 趨勢分解 本章第 2節(jié)介紹的季節(jié)調整方法可以對經濟時間序列進行分解，但在季節(jié)調整方法中，趨勢和循環(huán)要素視為一體不能分開。 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，然后將結果返回 EViews。 Seats(Signal Extraction in ARIMA Time Series)是基于ARIMA模型的將可觀測時間序列分解為不可觀測分量的程序 。 14 調用 X12季節(jié)調整過程，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。 EViews進行季節(jié)調整時將執(zhí)行以下步驟： 1． 給出一個被調整序列的說明文件和數(shù)據(jù)文件； 2． 利用給定的信息執(zhí)行 X12程序； 3． 返回一個輸出文件 ， 將調整后的結果存在 EViews工作文件中 。乘法模型只適用于序列值都為正的情形。循環(huán) 在 EViews工作環(huán)境中，打開一個月度或季度時間序列的工作文件，雙擊需進行數(shù)據(jù)處理的序列名，進入這個序列對象，在序列窗口的工具欄中單擊Proc按鈕將顯示菜單： 167。 167。 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。 ① 加法模型
化學相關推薦
鄂ICP備17016276號-1