当前位置：文档之家 › 经济时间序列的季节调整、分解和平滑方法

经济时间序列的季节调整、分解和平滑方法

  • 格式：ppt
  • 大小：722.50 KB
  • 文档页数：15

下载文档原格式

  / 15

合集下载

eviews-第02章经济时间序列的季节调整、分解和平滑

eviews-第02章经济时间序列的季节调整、分解和平滑
22
图2.2 社会消费品零售总额的原序列(蓝线)和
季节调整后序列 (TCI 序列, 红线) 23
11
X-11方法是基于移动平均法的季节调整方法。它的特 征在于除了能适应各种经济指标的性质，根据各种季节调 整的目的，选择计算方式外，在不作选择的情况下，也能 根据事先编入的统计基准，按数据的特征自动选择计算方 式。在计算过程中可根据数据中的随机因素大小，采用不 同长度的移动平均，随机因素越大，移动平均长度越大。 X-11方法是通过几次迭代来进行分解的，每一次对组成因 子的估算都进一步精化。正因为如此，X-11方法受到很高 的评价，已为欧美、日本等国的官方和民间企业、国际机 构(IMF)等采用，成为目前普遍使用的季节调整方法。
2.1.3 加权移动平均
上面介绍的12个月中心化移动平均是二次移动平均，也 可以用一次移动平均(2.1.7)式表示，这种移动平均方法就叫 做加权平均，其中每一期的权数不相等，下面介绍几种常用 的加权移动平均方法。
9
除了上述移动平均方法外，X-11季节调整法中还采 用亨德松(Henderson)的5, 9, 13和23项加权移动平均。选 择特殊的移动平均法是基于数列中存在的随机因子，随 机因子越大，求移动平均的项数应越多。
关于调整后的序列的名字。EViews在原序列名后加SA， 但也可以改变调整后的序列名，这将被存储在工作文件中。
需要注意，季节调整的观测值的个数是有限制的。X11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。
21
图2.1 社会消费品零售总额的TCI 序列 (季节调整后序列)
点 t 上的2k+1项移动平均值 MAt 的一般表示为
MAt

第02章经济时间序列的季节调整分解和平滑方法(evie

第02章经济时间序列的季节调整分解和平滑方法(evie
第02章经济时间序列的季节调整分解 和平滑方法(evie
•§2.2 经济时间序列的季节调整方法
•1. 季节调整方法的发展
• 1954年美国商务部国势普查局(Bureau of Census， Depart- ment of Commerce)在美国全国经济研究局(NBER)战 前研究的移动平均比法(The Ratio-Moving Average Method)的 基础上，开发了关于季节调整的最初的电子计算机程序，开始 大规模地对经济时间序列进行季节调整。此后，季节调整方法 不断改进，每次改进都以X再加上序号表示。1960年，发表了 X-3方法，X-3方法和以前的程序相比，特异项的代替方法和 季节要素的计算方法略有不同。1961年，国势普查局又发表了 X-10方法。X-10方法考虑到了根据不规则变动和季节变动的 相对大小来选择计算季节要素的移动平均项数。1965年10月发 表了X-11方法，这一方法历经几次演变，已成为一种相当精细、 典型的季节调整方法
• 1．给出一个被调整序列的说明文件和数据文件；
• 2．利用给定的信息执行X12程序；
• 3．返回一个输出文件，将调整后的结果存在EViews工 作文件中。
• X12的EViews接口菜单只是一个简短的描述，EViews 还提供了一些菜单不能实现的接口功能，更一般的命令接口 程序。
第02章经济时间序列的季节调整分解 和平滑方法(evie
第02章经济时间序列的季节调整分解 和平滑方法(evie
• 一、 X11方法
• X-11法是美国商务部标准的季节调整方法(乘法模型、加 法模型)，乘法模型适用于序列可被分解为季节调整后序列（趋 势·循环·不规则要素项）与季节项的乘积，加法模型适用于序 列可被分解为季节调整后序列与季节项的和。乘法模型只适用 于序列值都为正的情形。

第02章 经济时间序列的季节调整、分解和平滑方法(2015)

第02章 经济时间序列的季节调整、分解和平滑方法(2015)

不同，随机因子越大，求移动平均的项数应越多。
15
§2.2 经济时间序列的季节调整方法
1. 季节调整方法的发展
1954年美国商务部人口普查局(Bureau of Census，Department of Commerce)在美国全国经济研究局(NBER)战前研究的 移动平均比率法(The Ratio-Moving Average Method)的基础上， 开发了关于季节调整的最初的计算机程序，开始大规模地对经 济时间序列进行季节调整。 此后，季节调整方法不断改进，每次改进都以X再加上序 号表示。1960年发表了X-3方法，1961年发表了X-10方法， 1965年10月发表了X-11方法，这一方法历经几次演变，已成为 一种相当精细、典型的季节调整方法 。
MAt
( 2 H 1) h i yt i H
H 1 t T H
i H
式中的H为正整数，亨德森加权移动平均有5，9，13，23项 之别，不规则要素越大，需要的项数也越大。关于对称的 亨德森移动平均系数 的推导公式，参看Kenny and Durbin (1982)
13
下面给出亨德森5项加权移动平均:
ˆ ( 2) (SI ( 2) 2SI ( 2) 3SI ( 2) 3SI ( 2) 3SI ( 2) 2SI ( 2) SI ( 2) ) / 15 (2.2.12) S t t 36 t 24 t 12 t t 12 t 24 t 36
第二章
经济时间序列的 季节调整与趋势分解
本章主要介绍经济时间序列的分解方法，包括 季节调整和趋势分解。
1
一、经济时间序列的分解
经济指标的月度或季度时间序列包含4种变动要素：长期 趋势要素T、循环要素C、季节变动要素S 和不规则要素I。 长期趋势要素 (T ): 代表经济时间序列长期的趋势特性。 循环要素 (C ): 是以数年为周期的一种周期性变动。 季节要素 (S ): 是每年重复出现的循环变动，以12个月或4 个季度为周期的周期性影响，由温度、降雨、每年中的假期和 政策等因素引起。季节要素和循环要素的区别在于季节变动是 固定间距（如季或月）中的自我循环，而循环要素是从一个周 期变动到另一个周期，间距较长且不固定的一种周期性波动。 不规则要素 (I ): 又称随机因子、残余变动或噪声，其变动 无规则可循，这类因素是由偶然发生的事件引起的，如意外事 故、罢工、地震、水灾、恶劣气候、战争、法令更改和预测误 差等。

eviews第02章经济时间序列的季节调整、分解和平滑

eviews第02章经济时间序列的季节调整、分解和平滑
2
4991.50
单位：亿元
3871.49
2751.49
1631.48
511.47 1981 1983 1985 1987 1989 1991 1993 1995 1997
4204.20 单位：亿元
3304.66
2405.12
1505.59
606.05 1981 1983 1985 1987 1989 1991 1993 1995 1997
5、You have to believe in yourself. That's the secret of success. ----Charles Chaplin人必须相信自己，这是成功的秘诀。-Thursday, June 17, 2021June 21Thursday, June 17, 20216/17/2021
③ 对数加法模型： ln Yt ln TCt ln St ln It
④ 伪加法模型：
Yt TCt (St It 1)
(2.2.1) (2.2.2) (2.2.3) (2.2.4)
15
3．X12季节调整方法的核心算法
设Yt 表示一个无奇异值的月度时间序列，通过预 测和回推来扩展序列使得在序列的尾端不需要对季节 调整公式进行修改。把Yt 分解为趋势循环项TCt 、季节 项St 和不规则要素It 。现以加法模型为例，介绍X12季 节调整方法的核心算法（为叙述简便而不考虑补欠项 的问题）。共分为三个阶段：
4
§2.1 移动平均方法
移动平均法(Moving Averages)的基本思路是很简 单的，是算术平均的一种。它具有如下特性：
1. 周期（及其整数倍）与移动平均项数相等的周 期性变动基本得到消除;
2. 互相独立的不规则变动得到平滑。 这两条特性可以证明。

中级计量第02章 经济时间序列的季节调整、分解和平滑方法

中级计量第02章 经济时间序列的季节调整、分解和平滑方法
13
2．季节调整的模型选择
X12季节调整方法的核心算法是扩展的X11季节调整程序。 共包括4种季节调整的分解形式：乘法、加法、伪加法和对数 加法模型。注意采用乘法、伪加法和对数加法模型进行季节 调整时，时间序列中不允许有零和负数。
① 加法模型 ② 乘法模型：
Yt TCt St I t Yt TCt St It
2
4991.50
单位：亿元
3871.49
2751.49
1631.48
511.47 1981 1983 1985 1987 1989 1991 1993 1995 1997
4204.20 单位：亿元
3304.66
2405.12
1505.59
606.05 1981 1983 1985 1987 1989 1991 1993 1995 1997
上面介绍的12个月中心化移动平均是二次移动平均，也 可以用一次移动平均(2.1.7)式表示，这种移动平均方法就叫 做加权平均，其中每一期的权数不相等，下面介绍几种常用 的加权移动平均方法。
9
除了上述移动平均方法外，X-11季节调整法中还采 用亨德松(Henderson)的5, 9, 13和23项加权移动平均。选 择特殊的移动平均法是基于数列中存在的随机因子，随 机因子越大，求移动平均的项数应越多。
22
图2.2 社会消费品零售总额的原序列(蓝线)和
季节调整后序列 (TCI 序列, 红线) 23
二、Census X12方法
EViews是将美国国势调查局的X12季节调整程序直接 安装到EViews子目录中，建立了一个接口程序。 EViews进 行季节调整时将执行以下步骤：
1．给出一个被调整序列的说明文件和数据文件；

经济时间序列的季节调整、分解和平滑方法

经济时间序列的季节调整、分解和平滑方法

季节调整的方法与步骤
方法
移动平均法、指数平滑法、ARIMA模 型等。
步骤
识别季节性影响、选择合适的季节调 整方法、进行季节调整、评估调整效 果。
季节调整的注意事项
选择合适的季节调整方法需要根据数据的特性 和研究目的来确定，不同的方法可能得到不同
的结果。
季节调整后的数据需要进行进一步的分析和处理，以 揭示其内在的基本趋势和周期性变化。
意义
季节调整、分解和平滑有助于揭示经济时间序列数据中的长期趋势和周期性变 化，为政策制定者、经济学家和投资者提供更准确的决策依据。
季节调整、分解和平滑的目的
01
02
03
季节调整
消除时间序列数据中的季 节性成分，以分解为趋 势成分、季节成分和不规 则成分，以便更好地理解 数据的结构和变化。
季节调整适用于存在明显季节性影响的时间序 列数据，对于非季节性数据，进行季节调整可 能没有意义。
季节调整可能无法完全消除季节性影响，特别是 对于一些强季节性数据，调整效果可能不理想。
04 分解方法
分解的原理
01 时间序列数据由趋势、季节和随机三部分组成。
02 分解的目的是将这三部分分离出来，以便更好地 理解数据的内在结构和变化规律。
研究展望
改进季节调整方法
尽管现有的季节调整方法已经取得了很大的成功，但仍然存在一些问题，如对异常值的敏 感性、对季节性成分变化的适应性等。未来的研究可以探索新的季节调整方法和技术，以 提高季节调整的准确性和稳定性。
开发新的分解方法
现有的分解方法虽然已经比较成熟，但仍然存在一些局限性，如对不规则成分的估计和解 释等。未来的研究可以开发新的分解方法和技术，以更好地揭示时间序列数据的结构和变 化规律。

经济时间序列的季节调整、分解和平滑方法_s

6
X12季节调整方法的核心算法是扩展的X11季节调整程序。 共包括4种季节调整的分解形式：乘法、加法、伪加法和对数 加法模型。注意采用乘法、伪加法和对数加法模型进行季节 调整时，时间序列中不允许有零和负数。
① 加法模型 ② 乘法模型：
Yt TCt St I t Yt TCt St It
当选择了Pross/Seasonal Adjustment/Tramo Seats 时， EViews执行外部程序，将数据输给外部程序，然后将结果返 回EViews。
16
§2.3 趋势分解
本章第2节介绍的季节调整方法可以对经济时间序列进 行分解，但在季节调整方法中，趋势和循环要素视为一体 不能分开。本节专门讨论如何将趋势和循环要素进行分解 的方法。测定长期趋势有多种方法，比较常用的方法有回 归分析方法、移动平均法、阶段平均法(phase average，PA 方法)、HP滤波方法和频谱滤波方法（frequency (band-pass) filer， BP滤波）。本节主要介绍HP滤波方法和BP滤波方法。
图3 工业总产值的季节变动要素 S 图形
图4 工业总产值的不规则要素 I 图形 3
季节调整的概念
季节性变动的发生，不仅是由于气候的直接影响， 而且社会制度及风俗习惯也会引起季节变动。经济统计中 的月度和季度数据或大或小都含有季节变动因素，以月份 或季度作为时间观测单位的经济时间序列通常具有一年一 度的周期性变化，这种周期变化是由于季节因素的影响造 成的，在经济分析中称为季节性波动。经济时间序列的季 节性波动是非常显著的，它往往遮盖或混淆经济发展中其 他客观变化规律，以致给经济增长速度和宏观经济形势的 分析造成困难和麻烦。因此，在进行经济增长分析时，必 须去掉季节波动的影响，将季节要素从原序列中剔除，这 就是所谓的“季节调整” (Seasonal Adjustment)。

第经济时间序列的季节调整分解和平滑方法

2.1.3 加权移动平均
上面介绍的12个月中心化移动平均是二次移动平均，也 可以用一次移动平均(2.1.7)式表示，这种移动平均方法就叫 做加权平均，其中每一期的权数不相等，几种常用的加权移 动平均方法：33项移动平均、55项移动平均、Henderson 加权移动平均等。
6
第7页/共109页
X-11季节调整法中针对时间序列中随机因子的大小 分别采用亨德松(Henderson)的5, 9, 13和23项加权移动平 均。选择特殊的移动平均法是基于不同序列中存在的随 机因子不同，随机因子越大，求移动平均的项数应越多。
如果在季节调整对话框中选择X-11选项，调整后的序 列及因子序列会被自动存入EViews工作文件中，在过程的 结尾X-11简要的输出及错误信息也会在序列窗口中显示。
关于调整后的序列的名字。EViews在原序列名后加SA， 但也可以改变调整后的序列名，这将被存储在工作文件中。
需要注意，季节调整的观测值的个数是有限制的。X11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。
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（月别移动平均项数）， 缺省是X12自动确定。近似地可选择(X11 default)缺省选择。需要注意如果序列 短于20年，X12不允许指定3×15的季节滤波。
23
第24页/共109页
③ 趋势滤波（Trend Filter (Henderson)） 当估计趋势—循环分量时，允许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。
2)
Yt
TC
( t
2)
(2.2.11)

第十二讲经济时间序列的季节调整、分解和平滑预测方法


③ 对数加法模型：
lY n t lT nt C lS n t lI n t
④ 伪加法模型：
Yt TtC (StIt1)
11
3．X12季节调整方法的核心算法
设Yt 表示一个无奇异值的月度时间序列，通过预 测和回推来扩展序列使得在序列的尾端不需要对季节 调整公式进行修改。把Yt 分解为趋势循环项TCt 、季节 项St 和不规则要素It 。现以加法模型为例，介绍X12季 节调整方法的核心算法（为叙述简便而不考虑补欠项 的问题）。共分为三个阶段：
图3 工业总产值的季节变动要素 S 图形
图4 工业总产值的不规则要素 I 图形 5
二、季节调整的概念
季节性变动的发生，不仅是由于气候的直接影响， 而且社会制度及风俗习惯也会引起季节变动。经济统计中 的月度和季度数据或大或小都含有季节变动因素，以月份 或季度作为时间观测单位的经济时间序列通常具有一年一 度的周期性变化，这种周期变化是由于季节因素的影响造 成的，在经济分析中称为季节性波动。经济时间序列的季 节性波动是非常显著的，它往往遮盖或混淆经济发展中其 他客观变化规律，以致给经济增长速度和宏观经济形势的 分析造成困难和麻烦。因此，在进行经济增长分析时，必 须去掉季节波动的影响，将季节要素从原序列中剔除，这 就是所谓的“季节调整” (Seasonal Adjustment)。
4
4991.50
单位：亿元
3871.49
2751.49
1631.48
511.47 1981 1983 1985 1987 1989 1991 1993 1995 1997
4204.20 单位：亿元
3304.66
2405.12
1505.59
606.05 1981 1983 1985 1987 1989 1991 1993 1995 1997

经济时间序列的季节调整分解和平滑方法


§2.2.2 X12季节调整方法
美国商务部国势普查局的X12季节调整程序是在X11方法的基础上发展而来的，包括X11季节调整方法的全部功能，并对X11方法进行了以下3方面的重要改进： (1) 扩展了贸易日和节假日影响的调节功能，增加了季节、趋势循环和不规则要素分解模型的选择功能； (2) 新的季节调整结果稳定性诊断功能； (3) 增加X12-ARIMA模型的建模和模型选择功能。
Tramo(Time Series Regression with ARIMA Noise, Missing Observation, and Outliers)是对具有缺失观测值，ARIMA误差、几种外部影响的回归模型完成估计、预测和插值的程序。 Seats(Signal Extraction in ARIMA Time Series)是基于ARIMA模型的将可观测时间序列分解为不可观测分量的程序。这两个程序是有Victor Gomez 和Agustin Maravall 开发的。 当选择了Pross/Seasonal Adjustment/Tramo Seats 时，EViews执行外部程序，将数据输给外部程序，然后将结果返回EViews。
经济指标的月度或季度时间序列包含4种变动要素： 长期趋势要素T 循环要素C 季节变动要素S 不规则要素I
经济时间序列的分解
使用Hodrick-Prescott滤波来平滑序列，选择Procs/ Hodrick Prescott Filter出现下面的HP滤波对话框：
首先对平滑后的序列给一个名字，EViews将默认一个名字，也可填入一个新的名字。然后给定平滑参数的值，年度数据取100，季度和月度数据分别取1600和14400。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。注意只有包括在当前工作文件样本区间内的数据才被处理，平滑后序列区间外的数据都为NA。
  1. 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. 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. 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)。

动平均的中心化”，即取连续的两个移动平均值的平均值作为
该月的值。
可编辑ppt
7
M A 6 .5 ( y 1 y 2 y 1 2 )/1 2
M A 7 .5 (y 2 y 3 y 1 3 )/1 2
(2.1.5)
因为12是偶数，通过求平均值可以达到中心化，即中心化 移动平均值为
M A 7 y 1 y21 2 y 1 2y2 y3 1 2 y 1 3 2 (2.1.6)
可编辑ppt
2
4991.50
单位：亿元
3871.49
2751.49
1631.48
511.47 1981 1983 1985 1987 1989 1991 1993 1995 1997
4204.20 单位：亿元
3304.66
2405.12
1505.59
606.05 1981 1983 1985 1987 1989 1991 1993 1995 1997
第二章 经济时间序列的 季节调整、分解与平滑
本章主要介绍经济时间序列的分解和平滑方 法。时间序列分解方法包括季节调整和趋势分解， 指数平滑是目前比较常用的时间序列平滑方法。
可编辑ppt
1
一、经济时间序列的分解
经济指标的月度或季度时间序列包含4种变动要素：长期 趋势要素T、循环要素C、季节变动要素S 和不规则要素I。
可编辑ppt
6
例如，常用的三项移动平均
MAt
11 3i1
yt
i
两端补欠项：
M1A132y1 y2
t2,,T1 (2.1.2)
(2.1.3)
MTA132yTyT1
1.1.2 中心化移动平均
(2.1.4)
考虑消除季节变动时，最简单的方法是对月度数据进行12
个月移动平均。此时，由于项数是偶数，故常常进行所谓“移
时间序列数据 y = {y1, y2, … , yT} ，T 为样本长度，在时
点 t 上的2k+1项移动平均值 MAt 的一般表示为
1 k
M t A 2 k 1i kyt i, tk 1 ,k2 ,.T . .k ,
(2.1.1) 式中的k为正整数，此时移动平均后的序列{MA}的始端和末端 各欠缺k项值，需要用插值或其它方法补齐。
上面介绍的12个月中心化移动平均是二次移动平均，也 可以用一次移动平均(2.1.7)式表示，这种移动平均方法就叫做 加权平均，其中每一期的权数不相等，下面介绍几种常用的 加权移动平均方法。
可编辑ppt
9
除了上述移动平均方法外，X-11季节调整法中还采 用亨德松(Henderson)的5, 9, 13和23项加权移动平均。选 择特殊的移动平均法是基于数列中存在的随机因子，随 机因子越大，求移动平均的项数应越多。
可编辑ppt
图3 工业总产值的季节变动要素 S 图形
图4 工业总产值的不规则要素 I 图形 3
二、季节调整的概念
季节性变动的发生，不仅是由于气候的直接影响， 而且社会制度及风俗习惯也会引起季节变动。经济统计中 的月度和季度数据或大或小都含有季节变动因素，以月份 或季度作为时间观测单位的经济时间序列通常具有一年一 度的周期性变化，这种周期变化是由于季节因素的影响造 成的，在经济分析中称为季节性波动。经济时间序列的季 节性波动是非常显著的，它往往遮盖或混淆经济发展中其 他客观变化规律，以致给经济增长速度和宏观经济形势的 分析造成困难和麻烦。因此，在进行经济增长分析时，必 须去掉季节波动的影响，将季节要素从原序列中剔除，这 就是所谓的“季节调整” (Seasonal Adjustment)。
中心化移动平均的一般公式为
11 6
15
M At 212i5yti 12i6yti
t7,8, ,T6
11
5
1
122yt6i5可y编t 辑ippt 2yt6
(2.1.7)
8
需要指出的是由于采用12个月中心化移动平均后，序列 的两端各有6个欠项值，需要用插值或其它数值计算方法将其 补齐。
2.1.3 加权移动平均
长期趋势要素 (T ): 代表经济时间序列长期的趋势特性。 循环要素 (C ): 是以数年为周期的一种周期性变动。 季节要素 (S ): 是每年重复出现的循环变动，以12个月或4 个季度为周期的周期性影响，由温度、降雨、每年中的假期和 政策等因素引起。季节要素和循环要素的区别在于季节变动是 固定间距（如季或月）中的自我循环，而循环要素是从一个周 期变动到另一个周期，间距比较长且不固定的一种周期性波动。 不规则要素 (I ): 又称随机因子、残余变动或噪声，其变动 无规则可循，这类因素是由偶然发生的事件引起的，如罢工、 意外事故、地震、水灾、恶劣气候、战争、法令更改和预测误 差等。
可编辑ppt
4
§2.1 移动平均方法
移动平均法(Moving Averages)的基本思路是很简单 的，是算术平均的一种。它具有如下特性：
1. 周期（及其整数倍）与移动平均项数相等的周 期性变动基本得到消除;
2. 互相独立的不规则变动得到平滑。 这两条特性可以证明。
可编辑ppt
5
2.1.1 简单的移动平均公式
可编辑ppt
10
§2.2 经济时间序列的季节调整方法
1. 季节调整方法的发展
1954年美国商务部国势普查局(Bureau of Census，Department of Commerce)在美国全国经济研究局(NBER)战前研究的 移动平均比法(The Ratio-Moving Average Method)的基础上， 开发了关于季节调整的最初的电子计算机程序，开始大规模地 对经济时间序列进行季节调整。此后，季节调整方法不断改进， 每次改进都以X再加上序号表示。1960年，发表了X-3方法， X-3方法和以前的程序相比，特异项的代替方法和季节要素的 计算方法略有不同。1961年，国势普查局又发表了X-10方法。 X-10方法考虑到了根据不规则变动和季节变动的相对大小来 选择计算季节要素的移动平均项数。1965年10月发表了X-11方 法，这一方法历经几次演变，已成为一种相当精细、典型的季 节调整方法
图1 我国工业总产值的时间序列 Y 图形
1.16
图2 工业总产值的趋势·循环要素 TC 图形
1.11
1.06
1.06
0.95
0.76 1981 1983 1985 1987 1989 1991 1993 1995 1997
0.89 1981 1983 1985 1987 1989 1991 1993 1995 1997