下载文档原格式
设置月度数据MONTHLY>start date：2008M01>end date 2018M08一，数据的季节调整（利用x-12进行季节性调整）由于在建模时所选取的是宏观经济的月度数据，而月度数据容易受到季节因素的影响，从而掩盖经济运行的客观规律，因此我们采用Census X13（功能时最强大的）调整方法对各个变量数据进行季节性调整。
分别记做CPI’、FOOD’、HOUSE’、M2’、VMI’。
时间序列按照时间次序排列的随机变量序列，任何时间序列经过合理的函数变换后都可以被认为由几个部分叠加而成。
三个部分：趋势部分（T），季节部分（S）和随机噪声部分（I）。
常见的时间序列都是等间隔排列的。
时间序列调整各部分构成的基本模型X t= T t++ T t+ I t对任何时刻有，E（I t）=0，Var（I t）=σ2加法模型X t= T t *T t* I t对任何时刻有，E（I t）=1，Var（I t）=σ2加法模型（1）判定一个数据序列究竟适合乘法模型还是加法模型，可考察其趋势变化持性及季节变化的波动幅度。
（2）所谓季节调整就是按照上述两种模型将经济时间序列进行分解，去掉季节项的序列成为调过序列。
对于时间序列而言是否存在整体趋势？如果是，趋势是显示持续存在还是显示将随时间而消逝？对于时间序列而言是否显示季节性变化？如果是，那么这种季节的波动是随时间而加剧还是持续稳定存在？对于时间序列的分解模型主要有加法模型和乘法模型。
加法模型适用于T、S、C相互独立的情形。
乘法模型适用于T、S、C相关的情形。
由于时间序列分解的四大要素一般都存在相互影响，因此大多数的经济数据都采用乘法模型进行季节性分解。
第一步：双击进行季节性调整的变量组CPI，proc >Seasonal Adjustment>x-12第二步：用Eviews软件进行季节调整的操作步骤：1，准备一个用于调整的时间序列（GDP）（注意：序列需同口径（当月或当季）、不变价、足够长）2，在Eviews中建立工作文件，导入序列数据3，序列图形分析（1）观察序列中的是否有季节性（2）是否有离群值或问题值（3）序列的趋势变动（是加法还是乘法模型）（加法模型主要适用于呈线性增长的数据序列，或者是围绕某一个中指波动的数据序列，如pmi数据序列）（乘法模型主要适用于呈指数级数增长的序列，如GDP、工业增加值，投资数据的名义值、实际值及物价的指数序列等。
Eviews 操作
1首先建立workfile 就是file——new——workfile
建立变量系统默认有常数c和resid （残差项）我们根据所建立的模型添加变量名通过object增加
2输入数据可以一个一个输入也可以在quick 中的empty group 就会出现数据编辑窗口先按上键对应的obs就会多出现一行依次导入数据可以通过proc ——import-------最后一行read excle
3数据分析可以在quick ----estimate equation 再根据窗口提示输入命令
其中y c x 或者直接输入命令LS Y C X 然后enter 直接出来结果
4作图就是wiew 下的graph
5保存就是在name下重新命名然后关闭即可一个界面若是有好几个结果时可以一次保存做下一个时候再保存
6 建立模型时候若是自回归输入x c x（-1to-4）这样表示是4阶自回归模型
若是含有残差的系数应该输入ar（-1）ar（-2）
7检验的时候应该是方程下的wiew 或者是proc 下拉菜单
8 估计模型的时候应该是objec---t new object ---equation 或者是quick 下的estimate equation Arch模型的操作，
一；QUICK
二：equatiom___method_-------------------ARCH
三、options,填写建立的主方程。
arch选0。
GARCH选1。
EViews 操作手册目录第一章序论第二章EViews 简介第三章EViews 基础第四章基本数据处理第五章数据操作第六章EViews 数据库第七章序列第八章组第九章应用于序列和组的统计图第十章图、表和文本对象第十一章基本回归模型第十二章其他回归方法第十三章时间序列回归第十四章方程预测第十五章定义和诊断检验第十六章ARCH和GARCH估计第十七章离散和受限因变量模型第十八章对数极大似然估计第十九章系统估计第二十章向量自回归和误差修正模型第一章绪论EViews 为我们提供了基于WINDOWS平台的复杂的数据分析、回归及预测工具，通过EViews能够快速从数据中得到统计关系，并根据这些统计关系进行预测。
EViews在系统数据分析和评价、金融分析、宏观经济预测、模拟、销售预测及成本分析等领域中有着广泛的应用。
操作手册共分五部分：第一部分：EViews 基础介绍EViews 的基本用法。
另外对基本的Windows 操作系统进行讨论，解释如何使用EViews来管理数据。
第二部分：基本的数据分析描述使用EViews 来完成数据的基本分析及利用EViews 画图和造表来描述数据。
第三部分：基本的单方程分析讨论标准回归分析：普通最小二乘法、加权最小二乘法、二阶最小二乘法、非线性最小二乘法、时间序列分析、方程检验及预测。
第四部分：扩展的单方程分析介绍自回归条件异方差（ARCH）模型、离散和受限因变量模型、和对数极大似然估计。
第五部分：多方程分析描述利用方程组来估计和预测、向量自回归、误差修正模型、状态空间模型、截面数据/ 时间序列数据、及模型求解。
第二章EViews 简介§2.1 什么是EViewsEViews 是在大型计算机的TSP (Time Series Processor)软件包基础上发展起来的新版本，是一组处理时间序列数据的有效工具。
1981年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接开发成功EViews 并投入使用。
EVIEWS操作指南EVIEWS操作第一章绪论第二章EVIEWS简介第三章EVIEWS基础第四章基本数据处理第五章数据操作第六章EVIEWS数据库第七章序列第八章组第九章应用于序列和组的统计图第十章图、表和文本对象第十一章基本回归模型第十二章第十二章其他回归方法第十三章时间序列回归第十四章方程预测第十五章定义和诊断检验第十六章ARCH和GARCH估计第十七章离散和受限因变量模型第十八章对数极大似然估计第十九章系统估计第二十章向量自回归和误差修正模型返回顶端第一章绪论EVIEWS为我们提供了基于WINDOWS平台的复杂的数据分析、回归及预测工具，通过EVIEWS能够快速从数据中得到统计关系，并根据这些统计关系进行预测。
EVIEWS在系统数据分析和评价、金融分析、宏观经济预测、模拟、销售预测及成本分析等领域中有着广泛的应用。
EVIEWS操作手册共分五部分：第一部分：EVIEWS基础——介绍EVIEWS的基本用法。
另外对基本的WINDOWS 操作系统进行讨论，解释如何使用EVIEWS来管理数据。
第二部分：基本的数据分析——描述使用EVIEWS来完成数据的基本分析及利用EVIEWS画图和造表来描述数据。
第三部分：基本的单方程分析——讨论标准回归分析：普通最小二乘法、加权最小二乘法、二阶最小二乘法、非线性最小二乘法、时间序列分析、方程检验及预测。
第四部分：扩展的单方程分析——介绍自回归条件异方差（ARCH）模型、离散和受限因变量模型、和对数极大似然估计。
第五部分：多方程分析——描述利用方程组来估计和预测、向量自回归、误差修正模型、状态空间模型、截面数据/ 时间序列数据、及模型求解。
返回顶端第二章EVIEWS简介§2.1 什么是EVIEWSEVIEWS是在大型计算机的TSP(Time Series Processor) 软件包基础上发展起来的新版本，是一组处理时间序列数据的有效工具，1981年QMS (Quantitative Micro Software)公司在Micro TSP基础上直接开发成功EVIEWS并投入使用。
（完整版）SVAR模型制作过程设置⽉度数据MONTHLY>start date：2008M01>end date 2018M08⼀，数据的季节调整（利⽤x-12进⾏季节性调整）由于在建模时所选取的是宏观经济的⽉度数据，⽽⽉度数据容易受到季节因素的影响，从⽽掩盖经济运⾏的客观规律，因此我们采⽤Census X13（功能时最强⼤的）调整⽅法对各个变量数据进⾏季节性调整。
分别记做CPI’、FOOD’、HOUSE’、M2’、VMI’。
时间序列按照时间次序排列的随机变量序列，任何时间序列经过合理的函数变换后都可以被认为由⼏个部分叠加⽽成。
三个部分：趋势部分（T），季节部分（S）和随机噪声部分（I）。
常见的时间序列都是等间隔排列的。
时间序列调整各部分构成的基本模型X t= T t++ T t+ I t对任何时刻有，E（I t）=0，Var（I t）=σ2加法模型X t= T t *T t* I t对任何时刻有，E（I t）=1，Var（I t）=σ2加法模型（1）判定⼀个数据序列究竟适合乘法模型还是加法模型，可考察其趋势变化持性及季节变化的波动幅度。
（2）所谓季节调整就是按照上述两种模型将经济时间序列进⾏分解，去掉季节项的序列成为调过序列。
对于时间序列⽽⾔是否存在整体趋势？如果是，趋势是显⽰持续存在还是显⽰将随时间⽽消逝？对于时间序列⽽⾔是否显⽰季节性变化？如果是，那么这种季节的波动是随时间⽽加剧还是持续稳定存在？对于时间序列的分解模型主要有加法模型和乘法模型。
加法模型适⽤于T、S、C相互独⽴的情形。
乘法模型适⽤于T、S、C相关的情形。
由于时间序列分解的四⼤要素⼀般都存在相互影响，因此⼤多数的经济数据都采⽤乘法模型进⾏季节性分解。
第⼀步：双击进⾏季节性调整的变量组CPI，proc >Seasonal Adjustment>x-12第⼆步：⽤Eviews软件进⾏季节调整的操作步骤：1，准备⼀个⽤于调整的时间序列（GDP）（注意：序列需同⼝径（当⽉或当季）、不变价、⾜够长）2，在Eviews中建⽴⼯作⽂件，导⼊序列数据3，序列图形分析（1）观察序列中的是否有季节性（2）是否有离群值或问题值（3）序列的趋势变动（是加法还是乘法模型）（加法模型主要适⽤于呈线性增长的数据序列，或者是围绕某⼀个中指波动的数据序列，如pmi数据序列）（乘法模型主要适⽤于呈指数级数增长的序列，如GDP、⼯业增加值，投资数据的名义值、实际值及物价的指数序列等。
