下载文档原格式
在对时间序列Y、X1进行回归分析时需要考虑Y与X1之间是否存在某种切实的关系，所以需要进行协整检验。
1.1利用eviews创建时间序列Y、X1 ：打开eviews软件点击，见对话框又三块空白处work type处又三项选择，分别是非时间序列unstructured/undate，时间序列dated-regular frequency，和不明英语balance panel。
选择时间序列dated-regular frequency。
在date specification中选择年度，半年度或者季度等，和起始时间。
右下角为工作间取名字和页数。
点击ok。
在所创建的workfile中点击object-new object，选择series，以及填写名字如Y，点击OK。
将数据填写入内。
1.2对序列Y进行平稳性检验：此时应对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。
具体做法是在workfile y的窗口中点击Genr，输入logy=log(y),则生成y的对数序列logy。
再对logy序列进行平稳性检验。
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：Null Hypothesis: LOGY has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=1)t-Statistic Prob.*Augmented Dickey-Fuller test statistic -2.757 0.09959Test critical values: 1% level -4.2975% level -3.2126963902622510% level -2.74767611540013当检验值Augmented Dickey-Fuller test statistic的绝对值大于临界值绝对值时，序列为平稳序列。
如何用eviews分析时间序列课程时间序列分析是一种常用的数据分析方法，通过对一系列时间上连续测量的数据进行观察、描述和分析，可以发现其中的规律和趋势，从而预测未来的发展走势。
Eviews是一种专业的时间序列分析软件，具有强大的数据处理和统计分析功能。
本文将介绍如何使用Eviews进行时间序列分析。
首先，打开Eviews软件，并导入需要分析的时间序列数据。
在Eviews的工作区中，选择“File”菜单下的“Open”选项，然后选择需要导入的数据文件，点击“Open”按钮导入数据。
导入数据后，可以在Eviews的对象浏览器中看到导入的数据对象。
接下来，对时间序列数据进行初步的观察和描述分析。
在对象浏览器中，选择需要分析的数据对象，右键点击并选择“Open as Group”选项，将数据对象打开为一个分析组。
然后，在Eviews的对象浏览器中，选择分析组，在右侧窗口中可以看到该组中包含的所有时间序列数据。
可以通过列出每个时间序列的统计概要、绘制时间序列图、查看自相关和偏自相关等方式对数据进行初步的观察和描述分析。
接下来，进行时间序列模型的构建和估计。
在Eviews的操作菜单中，选择“Quick”菜单下的“Estimate Equation”选项，打开方程估计窗口。
在方程估计窗口中，选择需要构建的时间序列模型类型，如AR、MA、ARMA等。
然后，在“Dependent Variable”栏目中选择需要分析的时间序列数据，将其作为因变量。
在“Independent Variables”栏目中选择需要作为自变量的时间序列数据，可以根据需求选择多个自变量。
点击“OK”按钮，Eviews将根据所选择的时间序列模型类型和数据进行模型的估计。
估计完成后，可以查看估计结果。
在方程估计窗口中，可以看到估计结果的统计指标、系数估计值、显著性水平等信息。
可以根据需要查看和分析各个系数的显著性水平、置信区间等信息，判断模型的有效性和可靠性。
时间序列分析实验指导42-2-450100150200250统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。
为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。
为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。
这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。
②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。
这套实验教学指导书在编写的过程中始终得到财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心2007年2月目录实验一EVIEWS中时间序列相关函数操作········ - 1 - 实验二确定性时间序列建模方法··········- 10 - 实验三时间序列随机性和平稳性检验·········- 21 - 实验四时间序列季节性、可逆性检验·········- 25 - 实验五ARMA模型的建立、识别、检验·······- 34 - 实验六ARMA模型的诊断性检验··········- 37 - 实验七ARMA模型的预测·············- 38 - 实验八复习ARMA建模过程············- 40 - 实验九时间序列非平稳性检验···········- 42 -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。
实验一ARMA 模型建模一、实验目的学会检验序列平稳性、随机性。
学会分析时序图与自相关图。
学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。
学会运用Eviews 软件进行ARMA 模型的识别、诊断、估计和预测和相关具体操作。
二、基本概念 1 平稳时间序列：定义：时间序列{zt}是平稳的。
如果{zt}有有穷的二阶中心矩，而且满足：（a ）ut= Ezt =c;（b ）r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称{zt}是平稳的。
2 AR 模型：AR 模型也称为自回归模型。
它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。
具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。
⎪⎪⎪⎪⎨⎧<∀=≠===≠+++++=---ts Ex t s E Var E x x x x t s s t t t p t p t p t t t ,0,0)(,)(，0)(0222110εεεσεεφεφφφφε3 MA 模型：MA 模型也称为滑动平均模型。
它的预测方式是通过过去的干扰值和现在的干扰值的线性组合预测。
具有如下结构的模型称为Q 阶移动平均回归模型，简记为MA(q)。
4 ARMA 模型：ARMA 模型：自回归模型和滑动平均模型的组合， 便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA 。
具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。
112220()0(),()0,t t t t q t q q t t t s x E Var E s t εμεθεθεθεθεεσεε---⎧=+----⎪≠⎨⎪===≠⎩，⎪⎪⎪⎪⎨⎧<∀=≠===≠≠---++++=----ts Ex t s E Var E x x x t s s t t t q p q t q t t p t p t t ,0,0)(,)(，0)(0，0211110εεεσεεθφεθεθεφφφε三、实验内容及要求 1 实验内容：（1）根据时序图判断序列的平稳性；（2）观察相关图，初步确定移动平均阶数q 和自回归阶数p ；2 实验要求：（1）深刻理解平稳性的要求以及ARMA 模型的建模思想；（2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARMA 模型；如何利用ARMA 模型进行预测；（3）熟练掌握相关Eviews 操作，读懂模型参数估计结果。
应用时间序列分析实验手册目录目录1第二章时间序列的预处理2一、平稳性检验2二、纯随机性检验9第三章平稳时间序列建模实验教程9一、模型识别9二、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61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X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10020030040050060019601970198019902000YEARO U T P U T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。
E v i e w s t i m e s s p s s时间序列分析WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】时间序列分析实验指导统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。
为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。
为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。
这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。
②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。
这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心2007年2月目录实验一 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。
【实验内容】一、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；三、时间序列的自相关和偏自相关图与函数；【实验步骤】一、EViews软件的常用菜单方式和命令方式；㈠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 1998㈡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 X⒉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。
㈢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^2GENR X2=1/XGENR T=@TREND(84)㈣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。
㈤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。
三、图形分析与描述统计分析㈠利用PLOT命令绘制趋势图在命令窗口中键入：PLOT Y也可以利用PLOT命令将多个变量的变化趋势描绘在同一张图中，例如键入以下命令，可以观察变量Y、X的变化趋势PLOT Y X㈡利用SCAT命令绘制X、Y的散点图在命令窗口中键入：SCAT X Y则可以初步观察变量之间的相关程度与相关类型二、各种常用差分函数表达式（一）利用D(x)命令系列对时间序列进行差分(x为表1-1中的数据)。
1、在命令窗口中键入：genr dx= D(x)则生成的新序列为序列x的一阶差分序列2、在命令窗口中键入：genr dxn= D(x,n)则生成的新序列为序列x的n阶差分。
3、在命令窗口中键入：genr dxs= D(x,0,s)则生成的新序列为序列x的对周期长度为s一阶季节差分。
4、在命令窗口中键入：genr dxsn= D(x,n,s)则生成的新序列为对周期长度为s的时间序列x取一阶季节差分后的序列再取n 阶差分。
5、在命令窗口中键入：genr dlx= Dlog(x)则生成的新序列为x取自然对数后，再取一阶差分。
6、在命令窗口中键入：genr dlxsn= Dlog(x,n,s)则生成的新序列为周期长度为s的时间序列x先取自然对数，再取一阶季节差分，然后再对序列取n 阶差分。
在EVIEWS中操作的图形分别为：三、时间序列的自相关和偏自相关图与函数；（一）观察时间序列的自相关图。
命令方式：（1）在命令行输入命令：Ident x (x为序列名称)；（2）然后在出现的对话框中输入滞后时期数。
（可取默认数）菜单方式：（1）双击序列图标。
菜单操作方式：View—>Correlogram，在出现的对话框中输入滞后数。
（可取默认数）（二）练习：观察一些文件中的序列自相关函数Autocorrelation，偏自相关函数Partial autocorrelation的特征练习1：操作文件：Stpoor~(美国S&P500工业股票价格指数1980年1月~1996年2月)步骤：（1）打开该文件。
（2）观察序列stpoorr的趋势图，自相关图（自相关函数，偏自相关函数）的特征。
（3）对序列取一阶差分，生成新序列dsp：genr dsp=d(stpoor)，并观察其趋势图，自相关图（同上，下略）的特征。
（4）对该序列的自然对数取一阶差分，生成新的序列dlnsp：genr dlnsp=dlog(stpoor)，并观察其趋势图，自相关图。
练习2：操作文件：(美国1947年第一季度~1970年第四季度GNP数据)步骤：（1）打开该文件。
（2）观察序列usagdp的趋势图的特征，自相关图的特征。
（3）对该序列取一阶差分，生新的序列dgdp：Genrdgdp=d(usagdp)。
观察其趋势图，自相关图。
（4）对该序列的自然对数取一阶差分，生成新的序列dlngdp：Genr dlngdp=dlog(gdp)。
观察其趋势图，自相关图。
（5）对序列一阶季节差分，生成新序列dsgdp=d(usagdp,0,4)观察其趋势图，自相关图的特征。
（6）对该序列的自然对数取一阶季节差分，生成新的序列：dslngdp=dlog(usagdp,0,4)，观察其趋势图、自相关图。
实验二确定性时间序列建模方法【实验目的】熟悉确定性时间序列模型的建模原理；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年的发电量为亿千瓦小时，试以表中的资料为样本：（1）据拟合优度和外推检验的结果建立最合适的多项式模型。
（2）采用加权最小二乘法估计我国工业发电量的线性趋势，并与普通最小二乘法估计的线性模型进行比较，列出OLS方法预测值和W=，W=时1992到1995年预测值以及相对误差。
WORKFILE: CREATE A 1974 1995 生成新序列Y ：data y生成新的时间趋势序列t ：genr t=@trend(1973) 建立系列方程：smpl 1974 1994ls y c tls 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^(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 ，运用二次指数平滑法预测该镇2004年底的人口数（单位：人）。
4.0=α建立WORKFILE ：create U 1996 2004建立新序列Y 和T ： data y 然后输入数值。
genr t=@trend(1995)打开y 序列，点击 exponential smoothing 按纽，出现如图所示对话框按照图示选项点击确定即可。
3、某地区1996—2003年农村用电量数据见表，试利用Holt双参数指数平滑法预测该地区2004年该地区农村用电量（单位：千瓦时）。
建立WORKFILE：create U 1996 2004建立新序列Y和T： data y 然后输入数值。
genr t=@trend(1995)打开y 序列，点击 exponential smoothing 按纽，出现如图所示对话框按照图示选项点击确定即可。
三、二次曲线和对数曲线趋势模型建立及预测；4、我国民航客运量数据的季节调整。
