第8章时间序列模型重点内容:时间序列的分解方法随机过程的定义AR、MA、ARMA模型的建立方法协整理论误差修正(ECM)模型的建立珐倘垛丛扭博趟皆奖淬举貌纲朴氮梧陛鲸久靠朗翘斌污诬凭赶地怯缸嫡浪Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章一、时间序列的趋势分解时间序列的分解方法包括两种:季节调整(适用于趋势要素与循环要素不可分时)趋势分解(适用于趋势要素和循环要素可分解时)荒钵彻俘详圾埃犊养涡攀掠拈蔑鹅否杯忿锈男仑纳复浦矿痛萧燥砸瓶侠玄Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章一、时间序列的趋势分解趋势分解——HP(Hodrick–Prescott)滤波法设时间变量Yt含有趋势因素和波动因素,令Yt=YtT+YtC(t=1,2,T)其中,YtT表示含有趋势因素的时间序列,YtC表示含有波动因素的时间序列。HP滤波法就是将时间序列Yt中YtT的分离出来。设minHP滤波就是求该式的最小值。HP滤波取决于参数λ,当λ=0时,符合最小化的趋势序列为Yt序列;当λ逐渐变大时,估计的趋势变得越来越光滑;当λ接近于∞时,估计的趋势接近于线性函数。霹度冈耙纷运芬级榴出丑垢瞥涝暗疮蓉磅盐兽棺式认嘛率馋胆崔迢眩邓狞Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章一、时间序列的趋势分解趋势分解——HP(Hodrick–Prescott)滤波法EViews操作方法:选择序列对象工具栏中的“Proc”|“Hodrick–PrescottFilter…”选项,将弹出右图所示的对话框。在“Smoothed”的编辑栏中输入趋势序列名在“Lambda”的编辑栏中输入参数λ的值,如果是年度数据输入100,如果是季度数据输入1600,如果是月度数据输入14400。然后单击“OK”按钮,就会得到原序列和趋势序列的图形。麻沿那砾飞搜给嫂椭匙党庇寐拂奢拈册佯黍讥爆题蕾陵鸿蛔均押徒幢肝颊Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章二、时间序列的指数平滑EViews操作方法:选择序列对象工具栏中的“Proc”|“Hodrick–PrescottFilter…”选项,就可以弹出指数平滑法的对话框,如下图所示。在“Smoothingmethod”中选择方法;在“Smoothingparameters”中写入平滑参数,如果输入字母E,系统会自动估计参数;在“Smoothedseries”输入平滑后的序列名称。怎乱畴馏攻牛美大郧属绝阔艺绰萎颜携涡调送角骄漓锨范喉亚庚昧视栓椽Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章三、随机过程分类:白噪声(WhiteNoise)过程随机游走(RandomWalk)过程。庚缚欺威捅弃泉胎吴芬英颓株半巩细欢橙忍颜煤侈腋颗邵牺迂复弘娟鳃拓Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章三、随机过程分类:白噪声过程白噪声过程是指,对于随机过程{xt,t∈T},如果E(xt)=0Var(xt)=σ2<∞Cov(xt,xt+-s)=0其中,t∈T,(t+s)∈T,s≠0,此时{xt}为白噪声过程。白噪声过程是平稳的随机过程,其均值为0,方差为常数,随机变量间不相关。白噪声源于物理学,指功率谱密度在整个频域内均匀分布的噪声。拷誓凹辆役壁乍沏扣钝筷锯绑俄肠沼奈涸恰纠端祷期翰惯魁犀岗贮凯弟闺Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章三、随机过程分类:白噪声过程白噪声过程是指,对于随机过程{xt,t∈T},如果E(xt)=0Var(xt)=σ2<∞Cov(xt,xt+-s)=0其中,t∈T,(t+s)∈T,s≠0,此时{xt}为白噪声过程。白噪声过程是平稳的随机过程,其均值为0,方差为常数,随机变量间不相关。市乘孝雌猴馒扫蹬赛侨庶纹晦芹榷赣嘎去捻敬掐铁屎煮旋陌察淬外动料希Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章三、随机过程分类:白噪声过程白噪声源于物理学,指功率谱密度在整个频域内均匀分布的噪声。时间序列{xt}白噪声过程图形慎袒陋屿敲亦轨獭算宪踏萌辊豁傻膝羔艰柒厘翠凄账蛮装娩坍钾良敝笑杜Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章三、随机过程分类:随机游走过程随机游走过程是指,时间序列中下个时期的值等于本期值加上一个独立的(或至少是不相关的)误差项。在最简单的随机游走中,xt的每一次变化均来自于前期xt-1的变化,其表达式为xt=xt-1+ut(8-9)其中,ut为平稳的随机过程,即为白噪声过程,xt为随机游走过程。琼抡名笼姬毗渺藐亮烟艇鲸惧胶娠豫疟倡尊垄拖儡瓤篡泻此搞裳履风砂酵Eviews数据统计与分析教程8章Eviews数据统计与分析教程8章
Eviews数据统计与分析教程8章 来自淘豆网www.taodocs.com转载请标明出处.