计量经济学经典eviews 序列.doc

计量经济学经典eviews 序列
EWIEWS提供序列的各种统计图、统计方法及过程。可以计算序列的各种统计量并可用表单、图等形式表现出来。通过过程可以用原有的序列创建新的序列。这些过程包括季节调整、指数平滑和Hodrick-Prescott滤波。
打开工作文件,双击序列名或单击序列名后单击“show”即进入序列的对话框。单击“view”可看到菜单分为四个区。
§7.1 表单和图示
·钉形图 钉形图用直立的钉形柱显示数据。
·季度分区图 季度连线图
这些方法适用于频度为季度和月度数据的工作文件。季度分区图把数据按季度分成四个区。季度连线图是在同一坐标轴上把每年同一季度的数据连线显示。
§7.2描述统计量
一、直方图及统计量以直方图显示序列的频率分布。一起显示的还有标准的描述统计量。
中位数 (median) 即从小到大排列的序列的中间值。
标准差（Standard Deviation）标准差衡量序列的离散程度。
偏度（Skewness） 衡量序列分布围绕其均值的非对称性。

如果序列的分布是对称的，S值为0；正的S值意味着序列分布有长的右拖尾，负的S值意味着序列分布有长的左拖尾。
峰度（Kurtosis） 度量序列分布的凸起或平坦程度，计算公式如下

正态分布的K值为3。如果K值大于3，分布的凸起程度大于正态分布；如果K值小于3，序列分布相对于正态分布是平坦的。
Jarque-Bera 检验序列是否服从正态分布。

在正态分布的原假设下，Jarque-Bera统计量是自由度为2的分布。直方图中显示的概率值是Jarque-Bera统计量超出原假设下的观测值的概率。如果该值很小，则拒绝原假设。当然，在不同的显著性水平下的拒绝域是不一样的。
§7.3 统计量的检验
这是对序列均值、中位数、方差的单假设检验。两个样本的检验可参考下面的分类的相等检验（Equality test by classification）。选择View/tests for descriptive stats/simple hypothesis tests。
§7.4 相关图
显示确定滞后期的自相关函数以及偏相关函数。这些方程通常只对时间序列有意义。当你选择View/Correlogram…显示对话框（Correlogram Specification）。
可选择原始数据一阶差分 d（x）=x-x(-1)或二阶差分d(x)-d(x(-1))=x-2x(-1)+x(-2)的相关图。也可指定显示相关图的最高滞后阶数。在框内输入一个正整数, 就可以显示相关图及相关统计量。
一、自相关（AC）
序列y滞后k阶的自相关由下式估计

是样本y的均值，这是相距k期值的相关系数。如果，意味着序列是一阶相关。如果随着滞后阶数k的增加而呈几何级数减小，表明序列服从低阶自回归过程。如果在小的滞后阶数下趋于零，表明序列服从低阶动平均过程。
虚线之间的区域是由自相关中正负两倍于估计标准差所夹成的。如果自相关值在这个区域内，则在显著水平为5%的情形下与零没有显著区别。
二、偏相关（PAC）
滞后k阶的偏相关是当对作回归时的系数。如果这种自相关的形式可由滞后小于k阶的自相关表示，那么偏相关在k期滞后下的值趋于零。
一个纯的P阶自回归过程AR(P)的偏相关在P阶截尾，而纯的动平均函数的偏相关过程渐进趋于零。
偏相关中的虚线表示的是估计标准差的正负二倍。如果偏相关落在该区域内，则在5%的显著水平下与零无显著差别（截尾）。
三、Q-统计量
K阶滞后的Q-统计量是在原假设下的统计量，原假设为序列没有k阶的自相关。如果序列不是以ARIMA估计的结果为基础，在原假设下，Q是渐近分布，自由度与自回归阶数相等。如果序列代表ARIMA估计的残差，合适的自由度就应调整，使之少于先前估计的AR、MA的阶数。
Q-检验经常用于检验一个序列是否是白噪声。要注意选得过大或过小都不好。
§7.5 单位根检验
讨论了Dickey-Fuller和Phillips-Perren单位根检验，可检验序列是否平稳。选择检验类型，决定单位根检验是否用原始数据、一阶差分、二阶差分，是否包括截距或趋势以及检验回归的滞后阶数。更多的留在13章讨论。
§7.6 标签（label）
这部分是对序列的描述.除了Last Update，你可以编辑序列标签中的任何项。Last Update显示序列上一次修改的时间。每一部分包括一行，只有Remarks and History包括20行，注意如果填入了一行（在20行中），最后一行将被删除。
§7.7 建立新序列
1．由方程创建Generate by Equation允许你使用已有序列的表达式来建立新的序列，序列表达式的书写规则见第5章。
2．重置样本Resampling 从观测值中提取，建立一个新序列。
§7.8 季节调整(Seasonal Adjustment)
在序列窗口的工具栏中单击Procs/Seasonal Adjustment，有4种季节调整方法， X12方法、X11方法、Tramo/Seats方法和移动平均方法。
一、 Census X12方法
调用X12季节调整过程 Census X12，X12方法有5种选择框。
1．季节调整选择（Seasonal Ajustment Option）
① X11方法（X11 Method）这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须伴随ARIMA说明）；
② 季节滤波(Seasonal Filter)当估计季节因子时，允许选择季节移动平均滤波（可能是月别移动平均项数），缺省是X12自动确定。近似地可选择(X11 defaul)缺省选择。
③ 趋势滤波（Trend Filter (Henderson)）指定亨德松移动平均的项数，可以输入大于1和小于等于101的奇数，缺省是由X12自动选择。
④ 存调整后的分量序列名（Component Series to save）X12将加上相应的后缀存在工作文件中。
2．ARIMA选择（ARIMA Option）
X12允许你在季节调整前对被调整序列建立一个合适的ARMA模型。可以在进行季节调整和得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。
① 数据转换（Data Transformation）
② ARIMA说明(ARIMA Spec)
允许你在2种不同的方法中选择你的ARIMA模型。
·Specify in-line 选择
要求提供ARIMA模型阶数的说明（p，d，q）(P，D，Q)，缺省的指定是“(0 1 1)(0 1 1)”是指季节的IMA模型：

L是滞后算子，这里季节差分是指，季度数据时s =4；月度数据时s =12。
·Select from file X12将从一个外部文件提供的说明集合中选择ARIMA模型。
③ 回归因子选择（Regressors）
允许你在ARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。
④ ARIMA估计样本区间 (ARIMA Estimation Sample)
3．贸易日和节假日影响选择
4．外部影响(Outlier Effects)
5．诊断（Diagnostics）
二、X11方法
X-11法是美国商务部标准的调整方法(乘法模型、加法模型)，乘法模型适用于序列可被分解为趋势项与季节项的乘积，加法模型适用于序列可被分解为趋势项与季节项的和。乘法模型只适用于序列值都为正的情形。
关于调整后的序列的名字。Eviews在原序列名后加SA，可以改变序列名，将被存储在工作文件中。应当注意，季节调整的观测值的个数是有限制的。X-11只作用于含季节数据的序列，需要至少4整年的数据，最多能调整20年的月度数据及30年的季度数据。
三、移动平均方法
四、tramo/Seats
§7.9 指数平滑
指数平滑是可调整预测的简单方法。当你只有少数观测值时这种方法是有效的。选择Procs/Exponential Smoothing ，提供以下信息：
一、 平滑方法 在5种方法中选择一种方法。
二、平滑参数 可以让Eviews估计它们的值。在填充区内输入字母e，Eviews估计使误差平方和最小的参数值。在填充区内输入参数值，所有参数值在0-1之间。
三、平滑后的序列名 Eviews在原序列后加SM指定平滑后的序列名，也可以改变。
四、估计样本 必须指定预测的样本区间。缺省值是当前工作文件的样本区间。
五、季节循环 可以改变每年的季节数（缺省值为每年12个月、4个季度）。
§7.10 Hodrick-Prescott滤波
设经济时间序列为Y=，趋势要素为T=，n为样本长度。一般地，时间序列中的不可观测部分趋势常被定义为下面最小化问题的解：
(1)
其中，正实数表示在分解中长期趋势和周期波动占的权数，是延迟算子多项式
(2)
将（2）代入（1）式，则HP滤波的问题就是使下面损失函数最小，即

最小化问题用来调整趋势的变化，并随着的增大而增大。这里存在一个权衡问题，要在趋势要素对实际序列的跟踪程度和趋势光滑度之间作一个选择。=0时，满足最小化问题的趋势等于序列；增加时，估计趋势中的变化总数相对于序列中的变化减少，即越大，估计趋势越光滑；趋于无穷大时，估计趋势将接近线性函数。
选择Procs/ Hodrick Prescott Filter，首先对平滑后的趋势序列给一个名字，Eviews将默认一个名字，但你也可填入一个新的名字。然后给定平滑参数的值，一般经验地，的缺省值如下：

不允许填入非整数的数据。点击OK后，Eviews与原序列一起显示处理后的序列。
§7.11 命令
命令的语法结构：序列名称、圆点、视图或过程名，再加上括号里的可选项。比如，如果要察看序列名为lwage的直方图和描述统计量，则命令形式为lwage.hist；如果要检验序列HRS的均值是否等于3，则命令形式为hrs.teststat(mean=3)；如果要得到序列GDP滞后20阶的相关图，则命令形式为gdp.correl(20)。如果要用HP滤波光滑序列GDP，参数为1600，并且光滑后的序列保存为GDP_HP,则命令格式为gdp.hpf(1600) gdp_hp。
11