【正文】 后的序列的名字 。乘法模型只適用于序列值都為正的情形。 ② 其他診斷 （ Other Diagnostics） 還可以選擇顯示各種診斷輸出 。 Sliding spans 移動間距 檢驗被調整序列在固定大小的移動樣本上的變化； 然而，必須在 X11步驟中作了貿易日 /節(jié)日調整，才能在 X11步驟中做外部調整，而且只能做附加的外部調整； 在 ARIMA步驟中有 4種外部調整： 附加的外部調整； 水平變換； 暫時的水平變化； 彎道影響。 Easter 復活節(jié) Labor 美國 、 加拿大的勞工節(jié) ， 九月第一個星期一 Thanksgiving 感恩節(jié) （ 在美國為 11月第 4個星期 4；加拿大為 10月第 2個星期 1） Christmas 圣誕節(jié) 注意這些節(jié)日只針對美國 ， 不能應用于其他國家 。 Holiday effects 僅對流量序列做節(jié)假日調整 。 存量序列僅對月度序列進行調整 ， 需給出被觀測序列的月天數 。 Trading Day Effects消除貿易日影響有 2種選擇 ， 依賴于序列是流量序列還是存量序列 （ 諸如存貨 ） 。 三 、 貿易日和節(jié)假日影響 可以在進行季節(jié)調整和利用 ARIMA模型得到用于季節(jié)調整的向前 /向后預測值之前，先去掉確定性的影響（例如節(jié)假日和貿易日影響）。Select by outofsamplefit 對模型的評價用外部樣本誤差 ，缺省是用內部樣本預測誤差 。Select best 檢驗列表中的所有模型 ， 選一個最小預測誤差的模型 ， 缺省是第一個模型 。EViews將利用一個包含一系列缺省模型指定說明的文件（ ） ： (0 1 1)(0 1 1) * (0 1 2)(0 1 1) X (2 1 0)(0 1 1) X (0 2 2)(0 1 1) X (2 1 2)(0 1 1) 缺省說明用 “ *” 表示 ， 除最后一個外 ， 中間的用 “ X”結尾 。 Specify inline 選擇 要求提供 ARIMA模型階數的說明（ p d q） (P D Q) p 非季節(jié)的 AR階數 d 非季節(jié)的差分階數 q 非季節(jié)的 MA階數 P 季節(jié) AR階數 D 季節(jié)差分階數 Q 季節(jié) MA階數 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 (1?Ls )yt = yt ? yt?s ， 季度數據時 s =4；月度數據時 s =12。 (1) 數據轉換 （ Data Transformation） 在配備一個合適的 ARMA模型之前允許轉換序列： (1) 缺省是不轉換； (2) Auto選擇是根據計算出來的 AIC準則自動確定是不做轉換還是進行對數轉換； (3) Logistic選擇將序列 y 轉換為 log(y/(1y))， 序列的值被定義在 0和 1之間； (4) BoxCox power選擇要求提供一個參數 ? ， 做下列轉換： ?????????0/)1(0)l o g (2 ????? ifyifytt (2) ARIMA說明 (ARIMA Spec) 允許在 2種不同的方法中選擇 ARIMA模型。假日 /貿易日因子 （ ＿ D18） ； ③ 趨勢濾波 （ Trend Filter (Henderson)） 當估計趨勢 — 循環(huán)分量時 ， 允許指定亨德松移動平均的項數 ， 可以輸入大于 1和小于等于 101的奇數 ， 缺省是由 X12自動選擇 。最終的不規(guī)則要素分量 （ ＿ IR） ； 最終的季節(jié)因子 （ ＿ SF） ； 在下面的多選鈕中選擇要保存的季節(jié)調整后分量序列 ， X12將加上相應的后綴存在工作文件中： 需要注意如果序列短于 20年 ， X12不允許指定 3 15的季節(jié)濾波 。 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 ） ， 缺省是 X12自動確定 。 一 、 季節(jié)調整選擇 （ Seasonal Ajustment Option） ① X11方法 （ X11 Method） 這一部分指定季節(jié)調整分解的形式：乘法；加法；偽加法 （ 此形式必須伴隨 ARIMA說明 ） ；對數加法 。 X12的 EViews接口菜單只是一個簡短的描述， EViews還提供了一些菜單不能實現的接口功能，更一般的命令接口程序。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，雙擊需進行數據處理的序列名，進入存放時間序列的工作表中，在序列窗口的工具欄中單擊 Proc按鈕將顯示菜單： 季節(jié)調整相關操作 (EViews軟件 ) 1. Census X12方法 EViews是將美國國勢調查局的 X12季節(jié)調整程序直接安裝到 EViews子目錄中 ， 建立了一個接口程序 。 這兩個程序往往聯(lián)合起來使用，先用 TRAMO對數據進行預處理，然后用 SEATS將時間序列分解為趨勢要素、循環(huán)要素、季節(jié)要素及不規(guī)則要素 4個部分。它能夠對原序列進行插值，識別和修正幾種不同類型的異常值，并對工作日變化及復活節(jié)等特殊回歸因素及假定為 ARIMA過程的誤差項的參數進行估計。在對序列進行預調整的同時得到外部影響調整是 X12ARIMA模型的特殊能力。附加的外部沖擊 (AO)調整是指對序列中存在的奇異點數據進行調整，水平變換 (LS)是指對水平上發(fā)生突然變化的序列的處理。對于時間序列中的一些確定性的影響（如節(jié)假日和貿易日影響），應在季節(jié)調整之前去掉。 建立 ARIMA(p, d, q)模型，需要確定模型的參數，包括單整階數 d；自回歸模型 (AR)的延遲階數 p；動平均模型 (MA)的延遲階數 q。 X12 ARIMA方法是由 X12方法和時間序列模型組合而成的季節(jié)調整方法。 （ 2）節(jié)假日影響的調整 X12方法是基于移動平均法的季節(jié)調整方法。在 X12方法中，可以對不規(guī)則要素建立ARIMAX模型，包括貿易日和節(jié)假日影響的回歸變量，而且還可以指明奇異值的影響，并在估計其他回歸影響的同時消除它們。例如，圣誕節(jié)的影響可以增加當周或前一周商品的零售額，或者是降低特定工廠在圣誕節(jié)前幾天的產量。然后用回歸分析求出星期一，星期二， …… ，星期日的相應權重，從而可以將 ID 分解為真正的不規(guī)則要素 I 和貿易日要素 D。在調整的內容中，形成了又一個分解要素：貿易日要素 D。貿易日影響和季節(jié)影響一樣使得比較各月的序列值變得困難，而且不