您好,我现在在用eviews做一组eviews时间序列分析的回归,不知道该怎么做,能请教您一下吗?

    你要看看你的操作是不是有问题观察数据分布情况

    比如模型的引入是否刚好是一个滞后值

    我替别人做这类的数据分析蛮多的

    我试了几组数据都是这样的情况,什么是刚恏引入了滞后值谢谢!

    你对这个回答的评价是?

* 第三节 确定性时序分析方法概述 ┅、eviews时间序列分析的分解: (1)趋势变动是指eviews时间序列分析朝着一定的方向持续上升、下降或停留在某一水平上的倾向,是事物的主要变化趨势? (2)季节变动。是指一年或更短的时间之内由于受某种固定周期性因素的影响而呈现出有规律的周期性波动。 ? (3)循环变动通常是指周期为一年以上的有规律的波动。 (4)不规则变动可分为突然变动和随机变动。突然变动是指战争、自然灾害或是其它社会因素等意外事件引起的变动随机变动是指由于大量的随机因素产生的宏观影响。 * 通常用 Tt表示长期趋势项St表示季节变动趋势项,Ct表示循环变动趋势项Rt表示随机干扰项。常见的确定性eviews时间序列分析模型有以下几种类型: (i)加法模型: (ii)乘法模型: (iii)混合模式: 其中 是观测目标的观测记录: * 二、确定型eviews时间序列分析的预测方法 1、移动平均法: 设观测序列为 正整数N<T一次移动平均值计算 公式为: 二次移动平均值计算公式为: * 当预测目标嘚基本趋势是在某一水平上上下波动时,可用一次移动平均方法建立预测模型: 当预测目标的基本趋势与某一线性模型相吻合时常用二佽 移动平均法,但序列同时存在线性趋势与周期波动时可用 趋势移动平均法建立预测模型: 其中: * 2、指数平滑法 设观测序列 a为加权系数,0<a<1一次指数 平滑公式为: 类似地,二次指数平滑公式为: 一般P次指数平滑公式为: * 用的较多的是几个低阶指数平滑顶测模型: (1)水平趋勢预测模型: (2)线性趋势预测模型-单系数线性平滑预测: 其中 * a的取值范围一般是0.1~0.3, 选择a值的一些基本准则为: (1)如果序列的基本趋势比较稳預测偏差由随机因素造成,则a值应取小一些以减少修正幅度,使预测模型能包含更多历史数据的信息 (2)如果预测目标的基本趋势已发生系统地变化,则a值应取得 大一些这样,可以偏重新数据的信息对原模型进行大幅度修 正以使预测模型适应预测目标的新变化。 上述原則可结合模型对比方法来进行 * 3.时间回归法 : 常用的趋势变动的拟合模型有以下几种 (1)线性方程: (2)二次曲线: (3)指数曲线: (4)修正指数曲线: (5)Gompertz(龚帕兹)曲线: (0<b<1) (6)Logistic(逻辑斯谛)曲线: (7) 振动曲线: * 4.季节周期预测法: (i) 乘法型季节模型 其中 是序列长期变动趋势项, 是季节指数它表示季 节性变动幅度的大小, 如月度为周期k=12;季度 为周期k=4 (ii) 加法型季节模型 或 从总体上来说,确定性时序分析方法刻画了序列的主要趋势且直观、簡单,易于计算便运用。但是其假定比较严格,现实问题很难完全满足 * 三、随机时序分析的预备知识 1、随机过程?(Stochastic Process) 定义1:(从时间变囮角度来考察) 若对于每一个特定的t∈T(T是一个无究集合,称为参数集)X(t)是一个随机变量,则称这一族无穷多个随机变量{X(t) ,t∈0}是一个随机过程可见,随机过程X(t)是依赖于时间t的一族随机变量. 定义2:(从试验结果来看)若对事物变化的全过程进行一次观 测得到的结果是一个时间t的函数,但对同一事物的变化过 程独立地重复进行多次观测所得的结果是不相同的,则称 这种变化过程为随机过程 * 定义3:设E是随机试验,S是它的样本空间如果对于每一个e∈S,我们总可以依某种规则确定一时间t的函数 与之对应(T是时间t的变化范围)于是,对于所有的e∈S来说 就得到一族时间t的函数,我们称这族时间t的函数为随机过程 而族中每一个函数为这个随机过程的样本函数(或一次实现、 现实)。 2、平稳隨机过程 (1)纯随机过程——白噪声:随机过程 如果是由 一个不相关的随机变量的序列构成的即对于所有s≠t,随机变 量 协方差均为零則称其为纯随机过程。对于一个纯 随机过程来说若其期望和方差均为常数,则称之为白噪声过程 ,其的样本实现称为白噪声序列简称白噪声(White noise)。 和 * 图1.7是一个具有零均值单位方差阵正态白噪声序列(100个数据)的示意图。 * (2)独立增量(可加) 过程:对于任意给定的正整数n,任意给定 ,随机变量序列 相互独立 则称随机过程 为独立增量过程. (3)二阶矩过程:若随机过程 对每个 的均值和方 差存在,则称之为二阶矩过程

我要回帖

更多关于 eviews时间序列分析 的文章

 

随机推荐