時間序列分析培訓(xùn)課程-文庫吧資料
2025-03-08 12:54本頁面
【正文】 研究模型的動態(tài)特征。 ??????????????????????????????????????????????????????????????321ttttLYLYLYLY 脈沖響應(yīng)函數(shù) ? 對于 VAR模型，感興趣的一個重要方面是系統(tǒng)的動態(tài)特征，即每個內(nèi)生變量的變動或沖擊對它自己及所有其他內(nèi)生變量產(chǎn)生的影響作用。 ?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(yù)測誤差 FPE， AIC信息準則， SC信息準則和 HQ信息準則。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)測和描述隨機擾動對變量系統(tǒng)的動態(tài)影響。 例 ? Table86中是我國從 1978年至 2023年數(shù)據(jù)。 SA和 ZA分別代表以 X11程序?qū)ase27中城鎮(zhèn)居民月人均生活費支出和可支配收入時間序列進行季節(jié)調(diào)整后的序列。 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(guān)系，否則不存在協(xié)整關(guān)系。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。 ?常用的是殘差序列的卡方檢驗 ? resid操作 ? ?單擊 View打開下拉菜單，選擇 Residual Tests/CorrelogramQStatistics, 在彈出的對話框中輸入最大滯后期，點擊 OK，生成殘差序列的自相關(guān)分析圖。 )()(1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1