实验一EVIEWS中时间的序列相关函数操作
eviews常用运算、函数及命令
1.常用运算：加、减、乘、除、幂例如：已知变量X 、Y，生成新变量Z在命令窗口输入：Genr Z=X + Y 加Genr Z=X – Y 减Genr Z=X * Y 乘Genr Z=X / Y 除Genr Z=X ^(3) 3次幂Genr Z=X ^(0.5) 开根号Genr Z=X ^(-1) 倒数Genr Z=X ^(2)平方以此类推……注意：*是乘，保留运算符号，不能用于设置变量名此外，还可以用括号进行复合运算，比如：Genr Z=（X + Y）*X^（3）/Y2.常用函数：对数、指数、滞后值、差分Genr Z1=LOG(X) 自然对数Ln，注意Ln（X）是错误的Genr Z2=LOG(Y)Genr Z3=EXP(X) e xGenr Z4=ABS(X) X的绝对值Genr Z5= X(-1) 滞后值：X的前一期值，注意跟倒数的区别Genr Z6= X(-2) 滞后值：X的前二期值，注意跟负二次方的区别Genr Z7= X(-3) ……Genr Z8=D( X ) X的差分，即X-X(-1)变量名必须以字母开头，后面可以跟数字，以示区别注意：D是差分，保留函数符号，不能用于设置变量名复合运算，比如：Genr Z9= EXP( X ) *((1+EXP( X ))^(-1))3.一些@开头的函数比如：@OBS(X) 返回变量X的观察值个数，其实就是n@mean(X) 返回变量X的均值@sum(X) 返回变量X的序列求和@r2 返回当前回归的R平方@dw 返回当前回归的dw值@ssr 返回当前回归的残差平方和4.常用回归命令LS Y C XLS Y C X1 X2 X3LS LOG(Y) C LOG(X1) LOG(X2)5.常用绘图命令SCA T X Y 散点图X为横轴，Y为纵轴LINE Y X1 X2 X3 折线图。
EVIEWS时间序列实验指导(上机操作说明)
⒉在工作文件窗口中选取所要删除或更名的变量，点击工作文件窗口菜单栏中的Objects/Delete selected…（Rename selected…），即可删除（更名）变量
进行预测：打开对应的方程窗口，点forecast按纽，将出现对话框，修改对话框 sample range for forecast中的时间期限的截止日期为预测期.
相对误差的计算公式为：（实际值-预测值）/实际值
二、单参数和双参数指数平滑法进行预测的操作练习
2、某地区1996~2003年的人口数据如表1.2，运用二次指数平滑法预测该镇2004年底的人口数（单位：人）。
掌握确定性时间序列建立模型的几种常用方法。
【实验内容】
一、多项式模型和加权最小二乘法的建立；
二、单参数和双参数指数平滑法进行预测的操作练习；
三、二次曲线和对数曲线趋势模型建立及预测；
【实验步骤】
一、多项式模型和加权最小二乘法的建立；
1、我国1974—1994年的发电量资料列于表中，已知1995年的发电量为10077.26亿千瓦小时，试以表1.1中的资料为样本：
建立系列方程：smpl 1974 1994
ls y c t
ls y c t t^2
ls y c t t^2 t^3
通过拟合优度和外推检验的结果发现一元三次多项式模型效果最好。
首先生成权数序列：genr m=sqr(0.6^(21-t))
加权最小二乘法的命令方式：ls(w=m) y c t
普通最小二乘法命令方式：ls y c t
步骤：（1）打开该文件。
Eviews 应用实例
指数平滑对话框中包含五个部分的选项：平滑方法 （Smoothing Method）、平滑系数（Smoothing Method）、平滑系数（Smoothing Parameters）、平滑后生成序列的名称（Smoothed Parameters）、平滑后生成序列的名称（Smoothed Series）、预测样本范围（Estimation Sample）和季节变动 Series）、预测样本范围（Estimation Sample）和季节变动 周期（Cycle 周期（Cycle for Seasonal）。 Seasonal）。 对话框左上部分的平滑方法（Smoothing Method）包括： 对话框左上部分的平滑方法（Smoothing Method）包括： Single 一次指数平滑 Double 二次指数平滑 Holt－Winters－ Holt－Winters－No seasonal Holt－Winters无 Holt－Winters无 季节模型 Holt－Winters－ Holt－Winters－Additive Holt－Winters季节 Holt－Winters季节 迭加模型 Holt－Winters－ Holt－Winters－Multiplicative Holt－Winters季 Holt－Winters季 节乘积模型 平滑系数（Smoothing Parameters）包括Alpha，Beta， 平滑系数（Smoothing Parameters）包括Alpha，Beta， Gamma。平滑系数可由系统自动给定，也可以由用户指定。 Gamma。平滑系数可由系统自动给定，也可以由用户指定。 缺省状态是由系统自动给定。如果用户需要指定，只需在对应 参数的位置填入指定的数值。
出于预测的考虑，有时系统给定的系数不是很 理想，用户需要自己指定平滑系数值。平滑系数取 什么值比较合适呢？一般来说，如果序列变化比较 平缓，平滑系数值应该比较小，比如小于0.l；如果 平缓，平滑系数值应该比较小，比如小于0.l；如果 序列变化比较剧烈，平滑系数值可以取得大一些， 如0.3～0.5。若平滑系数值大于0.5才能跟上序列 0.3～0.5。若平滑系数值大于0.5才能跟上序列 的变化，表明序列有很强的趋势，不能采用一次指 数平滑进行预测。 ［例1 ［例1］某企业食盐销售量预测。现在拥有最近 连续30个月份的历史资料（见表l 连续30个月份的历史资料（见表l），试预测下一 月份销售量。
时间序列 eviews操作
1.打开EVIEWS新建一个工作文件，步骤如下：
出现如下对话框，选择数据频率为季度，开始日期为1989年1季度，结束日期为2004年4季度，即为工作文件的范围区间。
点击ok生成工作文件
2.若要改变工作文件的范围区间，双击Range,出现如下对话框
3.利用命令series 生成时间序列gdp
点击Edit+/-改变数据的编辑状态，打开EXCEL文件将数据复制粘贴到数据区域，查看数据序列的折线图，步骤如下：
结果：
从图中可看出时间序列有明显的季节波动。
4.对gdp序列进行描述统计分析：
5.对原GDP数据进行季节调整，调整后时间序列存为GDP_SA
6.做出折线图：
由图知序列受季节影响程度变小。
7.进行单位根检验，结果如下：
计算自相关函数和偏相关函数如下：
9.利用方程建立ARMA(3,3)模型
10.建立组，包括gdp gdp_sa dgdp
建组后展示如下：
11.将建组后的收据以EXCEL格式输出：
点击ok即可。
Eviews 实验操作手册(部分)
Eviews实验操作记录（慢慢整理）相关系数检验：W AGE ED SEXW 1.000000 0.210152 0.495856 -0.260906AGE 0.210152 1.000000 -0.038637 0.144689ED 0.495856 -0.038637 1.000000 -0.084487SEX -0.260906 0.144689 -0.084487 1.000000①可以在命令窗口键入命令：cor x y z……，就会输出相关系数矩阵。
②假设你的样本数据序列：x1 x2从主菜单选择Quick/Group Statistics/Correlations之后会弹出个对话框，在对话框选择你的目标序列x1 x2说明：序列相关好像只有正相关、负相关、完全相关、完全不相关、强相关、弱相关等概念。
相关系数为1是完全正相关，－1是完全负相关，0是完全不相关。
个人感觉0.5左右的相关关系（趋势）就比较弱了。
eviews提供的相关计算是指序列之间的线性相关关系。
如果序列之间不存在线性相关，也有可能存在其他类型的相关关系，如对数相关、指数相关等等。
通常显著性是和建设检验关联的。
统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。
显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。
显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。
假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。
假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。
如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。
这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。
计量经济学 —理论方法EVIEWS应用--第七章 序列相关性
在其他假设仍然成立的条件下，随机干扰项序列相关意味着
（7-2）
如果仅存在
E ( ) 0 , i 1 , 2 , . . . , n i i 1
（7-3）
则称为一阶序列相关或自相关（简写为AR(1))，这是常见的一种序列相关问题。
D .W .
不存在一阶自相关，构造如下统计量： t
t
( eˆ
t2
n
ˆt 1 ) 2 e
2 t
eˆ
t 1
n
杜宾—沃森证明该统计量的分布与出现在给定样本中的X值有复杂的关系，
其准确的抽样或概率分布很难得到；
因为D.W.值要从
eˆ t 中算出，而 eˆ t
又依赖于给定的X的值。
2 χ 因此D-W检验不同于t、F或 检验，它没有唯一的临界值可以导出拒绝或
用OLS法估计序列相关的模型得到的随机误差项的方差不仅是 有偏的，而且这一偏误也将传递到用OLS方法得到的参数估计 量的方差中来，从而使得建立在OLS参数估计量方差基础上的 变量显著性检验失去意义。
以一元回归模型为例，
Y X i 0 1 i i
2
ˆ) Var ( 1 2 xt
序列相关性及其产生原因序列相关性的影响序列相关性的检验序列相关的补救第一节序列相关性及其产生原因序列相关性的含义对于多元线性回归模型71在其他假设仍然成立的条件下随机干扰项序列相关意味着如果仅存在则称为一阶序列相关或自相关简写为ar1这是常见的一种序列相关问题
—理论· 方法· EViews应用
郭存芝 杜延军 李春吉 编著
二、回归检验法
， eˆ， 以 e ˆ t 为解释变量，以各种可能的相关变量，诸如 t1
Eviews操作教程_完整版
Eviews操作教程_完整版1.EVIEWS基础 (3)1.1. E VIEWS简介 (3)1.2. E VIEWS的启动、主界⾯和退出 (3)1.3. E VIEWS的操作⽅式 (6)1.4. E VIEWS应⽤⼊门 (6)1.5. E VIEWS常⽤的数据操作 (15)2.⼀元线性回归模型 (24)2.1. ⽤普通最⼩⼆乘估计法建⽴⼀元线性回归模型 (24) 2.2. 模型的预测 (30)2.3. 结构稳定性的C HOW检验 (34)3. 多元线性回归 (39)3.1. ⽤OLS建⽴多元线性回归模型 (39)3.2. 函数形式误设的RESET检验 (45)4. ⾮线性回归 (48)4.1. ⽤直接代换法对含有幂函数的⾮线性模型的估计 (48) 4.2. ⽤间接代换法对含有对数函数的⾮线性模型的估计 (50) 4.3. ⽤间接代换法对CD函数的⾮线性模型的估计 (53)4.4. NLS对可线性化的⾮线性模型的估计 (55)4.5. NLS对不可线性化的⾮线性模型的估计 (58)4.6. ⼆元选择模型 (62)5. 异⽅差 (68)5.1. 异⽅差的⼽得菲尔德——匡特检验 (68)5.2. 异⽅差的WHITE检验 (72)5.3. 异⽅差的处理 (75)6. ⾃相关 (79)6.1. ⾃相关的判别 (79)6.2. ⾃相关的修正 (83)7. 多重共线性 (87)7.1. 多重共线性的检验 (87)7.2. 多重共线性的处理 (92)8. 虚拟变量 (94)8.1. 虚拟⾃变量的应⽤ (94)8.2. 虚拟变量的交互作⽤ (99)8.3. ⼆值因变量：线性概率模型 (101)9. 滞后变量模型 (106)9.1. ⾃回归分布滞后模型的估计 (106)9.2. 多项式分布滞后模型的参数估计 (111)10. 联⽴⽅程模型 (116)10.1. 联⽴⽅程模型的单⽅程估计⽅法 (116)10.2. 联⽴⽅程模型的系统估计⽅法 (120)2..1.Eviews基础1.1.Eviews简介Eviews：Econometric Views（经济计量视图），是美国QMS公司（Quantitative Micro Software Co.，⽹址为/doc/8e38170bbed126fff705cc1755270722192e59b1.html ）开发的运⾏于Windows环境下的经济计量分析软件。
用EVIEWS处理时间序列分析
应用时间序列分析实验手册目录目录 (2)第二章时间序列的预处理 (3)一、平稳性检验 (3)二、纯随机性检验 (9)第三章平稳时间序列建模实验教程 (10)一、模型识别 (10)二、模型参数估计（如何判断拟合的模型以及结果写法） (14)三、模型的显著性检验 (17)四、模型优化 (18)第四章非平稳时间序列的确定性分析 (19)一、趋势分析 (19)二、季节效应分析 (34)三、综合分析 (38)第五章非平稳序列的随机分析 (44)一、差分法提取确定性信息 (44)二、ARIMA模型 (57)三、季节模型 (62)第二章时间序列的预处理一、平稳性检验时序图检验和自相关图检验（一）时序图检验根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征例2.1检验1964年——1999年中国纱年产量序列的平稳性1.在Eviews软件中打开案例数据图1：打开外来数据图2：打开数据文件夹中案例数据文件夹中数据文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入图3：打开过程中给序列命名图4：打开数据2.绘制时序图可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等图1：绘制散点图图2：年份和产出的散点图图3：年份和产出的散点图（二）自相关图检验 例2.3导入数据，方式同上；在Quick 菜单下选择自相关图，对Qiwen 原列进行分析；可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。
图1：序列的相关分析图2：输入序列名称图2：选择相关分析的对象图3：序列的相关分析结果:1. 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，2期……k期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该P值都>5%的显著性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.) 有的题目平稳性描述可以模仿书本33页最后一段.（三）平稳性检验还可以用：单位根检验：ADF,PP检验等；非参数检验：游程检验图1：序列的单位根检验表示不包含截距项图2：单位根检验的方法选择图3：ADF检验的结果：如图，单位根统计量ADF=-0.016384都大于EVIEWS给出的显著性水平1%-10%的ADF临界值，所以接受原假设，该序列是非平稳的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验一 EVIEWS中时间序列相关函数操作
【实验目的】熟悉Eviews的操作：菜单方式，命令方式；
练习并掌握与时间序列分析相关的函数操作。
掌握时间序列的白噪声检验
【实验内容】
一、复习EViews软件的常用菜单方式和命令方式；
二、各种常用差分函数表达式以及确定性趋势模型拟合；
三、时间序列的自相关和偏自相关图与函数；
四、时间序列的白噪声检验
【实验步骤】
复习：EViews软件的常用菜单方式和命令方式；
（一）创建工作文件
⒈菜单方式
启动EViews软件之后，进入EViews主窗口
在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。
选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口。
工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。
⒉命令方式
在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。
命令格式为：CREATE 时间频率类型起始期终止期
则菜单方式过程可写为：CREATE A 1985 1998
（二）输入Y、X的数据
⒈DATA命令方式
在EViews软件的命令窗口键入DATA命令，命令格式为：
DATA <序列名1> <序列名2>…<序列名n>
本例中可在命令窗口键入如下命令：
DATA Y X
⒉鼠标图形界面方式
在EViews软件主窗口或工作文件窗口点击Objects/New Object，对象类型选择Series，并给定序列名，一次只能创建一个新序列。
再从工作文件目录中选取并双击所创建的新序列就可以展示该对象，选择Edit＋/－，进入编辑状态，输入数据。
（三）生成log（Y）、log（X）、X^2、1/X、时间变量T等序列
在命令窗口中依次键入以下命令即可：
GENR LOGY=LOG(Y)
GENR LOGX=LOG(X)
GENR X1=X^2
GENR X2=1/X
GENR T=@TREND(84)
（四）选择若干变量构成数组，在数组中增加变量。
在工作文件窗口中单击所要选择的变量，按住Ctrl键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open/as Group，则会弹出数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。
在数组窗口点击Edit＋/－，进入全屏幕编辑状态，选择一个空列，点击标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量增加变量后，即可输入数据。
点击要删除的变量列的标题栏，在编辑窗口输入新变量名，再点击屏幕任意位置，弹出RENAME对话框，点击YES按钮即可。
（五）在工作文件窗口中删除、更名变量。
⒈在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出的快捷菜单中选择Delete（删除）或Rename（更名）即可
⒉在工作文件窗口中选取所要删除或更名的变量，点击工作文件窗口菜单栏中的Objects/Delete selected…（Rename selected…），即可删除（更名）变量
⒊在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的Delete按钮即可删除变量。
练习一：各种常用函数表达式
实验文件：操作文件：usagnp.wf1(美国1947年第一季度~1970年第四季度GNP
数据)
实验内容：
（一）理解Eviews中各种差分函数的含义。
在Eviews 软件中，通过函数D(x,n,s)来实现对时间序列的差分运算，其
中： x为时间序列的名称，n为差分的阶数，s为季节长度。
如D(x)为一阶差
分，D(x,2)为二阶差分，D(x,0,4)对周期长度为4的序列求一阶季节差分等等。
在Eviews 软件中，通过函数Dlog(x,n,s)来实现对时间序列的对数差分运算。
步骤：（1）打开该文件，观察序列usagnp的趋势图的特征
Plot usagnp
（2）对序列取对数，观察其趋势图。
Genr lngnp=log(usagnp)
(或直接输入 plot log(usagnp)，下同)
（3）对该序列取一阶差分，生新的序列，并观察其趋势图。
Genr dgnp=d(usagnp)
plot dgnp
(或直接输入 plot d(usagnp)，下同)
（4）对该序列取一阶季节差分，生新的序列dsgnp，并观察其趋势图: Genr dsgnp=d(usagnp,0,4)
plot dsgnp。
（5）对该序列的自然对数取一阶差分，生成新的序列dlngnp观察其趋势
图。
Genr dlngnp=dlog(usagnp)
Plot dlngnp
（6）对序列取自然对数，再做一次季节差分，生成新序列dslngnp并观
察其趋势图的特征
genr dslngnp=dlog(usagnp,0,4)
plot dslngnp。
（7）对该序列的自然对数取一阶季节差分，再做一阶差分，生成新的序
列并观察其趋势图:。
dslngnp=dlog(usagnp,1,4)
plot ds1lngnp
图1 图2
图3 图4
图5 图6
图 7
（二）对usagnp序列拟合确定性趋势模型模型
（1）利用@trend( )函数生成确定性趋势序列t=1,2,….
genr t=@trend(1947.1)
（2）对usagnp的自然对数序列拟合线性趋势模型
Ls log(usagnp) c t
图8
（3）点击图8中“
（4）对usagnp的自然对数序列拟合确定性的季节模型，首先利用函数@seas （）生成季节虚拟变量
Genr d1=@seas(1)
Genr d2=@seas(2)
Genr d3=@seas(3)
Genr d4=@seas(4)
（5）对usagnp的自然对数序列拟合确定性的季节模型
Ls log(usagnp) d1 d2 d3 d4 t
（6）点击图10中“Resids”按钮，观察拟合图
图11
练习二：时间序列的自相关和偏自相关图与函数，以及序列的白噪声检验实验文件：Stpoor.wf1(美国S&P500工业股票价格指数1980年1月~1996年2月)
实验内容：观察时间序列的自相关图，并对序列进行白噪声检验
步骤：
（1）打开练习文件Stpoor.wf1,观察时间序列的自相关图，输入：
Ident stpoor
（或者使用菜单方式：双击序列stpoor图标，在出现的对话框中选择菜单操作方式：View—>Correlogram，滞后期选默认的即可）
图11
理解自相关图（自相关函数，偏自相关函数，2倍标准差，Q统计量，P值）。
并判断该序列是否为白噪声序列，并对原序列进行白噪声检验
例如：选取滞后期20期， Q统计量为2669.9，相应的P值为0.000，拒绝原假设，原序列不是白噪声。
（2）对stpoor取一阶差分，观察其自相关图，并做白噪声检验。
Ident d(stpoor)
图12
（3）对stpoor的自然对数取一阶差分，观察其自相关图，并做白噪声检验。
图12
作业：操作文件hsindices.wf1（香港恒生指数数据）
1．判断序列hs是否为白噪声序列，要求写出具体的检验过程。
2．生成序列hs的一阶对数差分序列，并检验其是否为白噪声。