发布时间 : 星期二 文章时间序列的eview操作步骤更新完毕开始阅读bf5e31fd770bf78a65295485
1.打开eviews软件，点击file-new-workfile，见对话框又三块空白处，选择时间序列dated-regular frequency。在date specification中选择monthly，start（起始时间）输入2005M11，end（终止时间）输入2008M6（eviews的时间序列没有间隔序列输入就将时间进行调整）。右下角为工作间取名字tmd。点击ok。
在所创建的workfile中点击object-new object，选择series，以及填写名字tmd，点击OK。将数据填写入内就生成了以tmd为名的数据集
2. 点击view-United root test，test type选择ADF检验，滞后阶数中lag length选择SIC检验，点击ok得结果如下：
一阶差分：点击GENR命令按钮，在输入框中输入bod1=D(bod)，得到
一阶差分后的结果：
再对一阶差分后的数据同样进行平稳性检验（单根值检验）ADF
序列零均值化
① 在命令窗口输入如下命令（如下图所示）：
Scalar m=@mean(tmd)
其中：Scalar命令在Eviews中表示生成标量数据（均值只是一个数，而不是序列）。
在tmd窗口下选择菜单操作方式：单击Genr在对话框中输入BOD1=BOD-m得到零均值后的新序列tmd1与之前的数据完全不同。
3. 在工作区双击序列图标tmd1，再选用菜单操作方式：View—>Correlogram，在出现的对话框点击OK。
4. 估计模型中的未知参数
识别透明度这组时间序列适合的模型后，需要进一步的估计模型中的具体参数，下面就用eviews软件进行估计。
由前面的图形看出：自相关系数和偏相关系数具有相似的衰减特点：衰减快 ，偏相关图中，2阶以后函数值趋于0，呈截尾性选AR(2)；而在自相关图中，在4阶以后函数值趋于0，呈拖尾性，因此可将q取3故可选MA(3)模型。 利用菜单操作建立ARMA模型。在主窗口选择Quick/Estimate Equation。进去方程定义对话框。在方程定义栏类似输入：fc2 ma(1) ar(1)
5. 先将样本量扩大，在命令窗口输入expand 2008m07 2009m12 在结果窗口点击“Forecast”，：
在Eviews中有两种预测方式：“Dynamic”和“Static”，前者是根据所选择的一定的估计区间，进行多步向前预测；后者是只滚动的进行向前一步预测，即每预测一次，用真实值代替预测值，加入到估计区间，再进行向前一步预测。我们首先用前者来估计2008年8月到2009年12月tmd1f，在“Sample range for forecast”空白栏中键入“2008M8 2009M12”（如上图所示），在“S.E.(optional)”空白栏中键入t2，选择“Dynamic”,点击“OK”，在表t2中得到预测结果。
在生成的表t2中可以得出下表（时间重新调整为间隔为两个月）