时间序列的eview操作步骤 联系客服

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)