Eviews時間序列分析實(shí)例

1、Eviews時間序列分析實(shí)例時間序列是市場預(yù)測中經(jīng)常涉及的一類數(shù)據(jù)形式，紹。通過第七章的學(xué)習(xí)，讀者了解了什么是時間序列,理和一些分析實(shí)例。本節(jié)的主要內(nèi)容是說明如何使用、指數(shù)平滑法實(shí)例所謂指數(shù)平滑實(shí)際就是對歷史數(shù)據(jù)的加權(quán)平均。它可以用于任何一種沒有明顯函數(shù)規(guī)律，但確實(shí)存在某種前后關(guān)聯(lián)的時間序列的短期預(yù)測。由于其他很多分析方法都不具有這種特點(diǎn)，指數(shù)平滑法在時間序列預(yù)測中仍然占據(jù)著相當(dāng)重要的位置。（一）一次指數(shù)平滑一次指數(shù)平滑又稱單指數(shù)平滑。它最突出的優(yōu)點(diǎn)是方法非常簡單，甚至只要樣本末期的平滑值，就可以得到預(yù)測結(jié)果。一次指數(shù)平滑的特點(diǎn)是：能夠跟蹤數(shù)據(jù)變化。這一特點(diǎn)所有指數(shù)都具有。預(yù)測過程中添加最新的

2、樣本數(shù)據(jù)后，新數(shù)據(jù)應(yīng)取代老數(shù)據(jù)的地位，老數(shù)據(jù)會逐漸居于次要的地位，直至被淘汰。這樣，預(yù)測值總是反映最新的數(shù)據(jù)結(jié)構(gòu)。一次指數(shù)平滑有局限性。第一，預(yù)測值不能反映趨勢變動、季節(jié)波動等有規(guī)律的變動；第二，這種方法多適用于短期預(yù)測，而不適合作中長期的預(yù)測；第三，由于預(yù)測值是歷史數(shù)據(jù)的均值，因此與實(shí)際序列的變化相比有滯后現(xiàn)象。指數(shù)平滑預(yù)測是否理想，很大程度上取決于平滑系數(shù)。Eviews 提供兩種確定指數(shù)平滑系數(shù)的方法： 自動給定和人工確定。 選擇自動給定， 系統(tǒng)將按照預(yù)測誤差平方和最小原則自動確定系數(shù)。如果系數(shù)接近 1,說明該序列近似純隨機(jī)序列，這時最新的觀測值就是最理想的預(yù)測值。出于預(yù)測的考慮，有時系統(tǒng)

3、給定的系數(shù)不是很理想，用戶需要自己指定平滑系數(shù)值。平滑系數(shù)取什么值比較合適呢？一般來說，如果序列變化比較平緩，平滑系數(shù)值應(yīng)該比較小，比如小于 0.1;如果序列變化比較劇烈，平滑系數(shù)值可以取得大一些，如 0.30.5。若平滑系數(shù)值大于 0.5 才能跟上序列的變化，表明序列有很強(qiáng)的趨勢，不能采用一次指數(shù)平滑進(jìn)行預(yù)測。例 1某企業(yè)食鹽銷售量預(yù)測?，F(xiàn)在擁有最近連續(xù) 30 個月份的歷史資料（見表 1）,試預(yù)測下一月份銷售量。表 1 某企業(yè)食鹽銷售量單位：噸月份銷售量月份銷售量月份銷售量126.71125.72127.6229.512肛92229*9329.01331.512330,2429.914243

4、0.3532.21530.82530.8631.41629.52628.8725.71729.82730.B832.11830.02832.2929J1929429|3】.21030.82031.5|3025.4解：使用 Eviews 對數(shù)據(jù)進(jìn)行分析，第一步是建立工作文件和錄入數(shù)據(jù)。有關(guān)操作在本本書第七章對它進(jìn)行了比較詳細(xì)的介并接觸到有關(guān)時間序列分析方法的原Eviews 軟件進(jìn)行分析。章第一節(jié)中已經(jīng)闡明，這里不再贅述。假設(shè)已經(jīng)建立工作文件，并生成了一個樣本期為 l30 的序列，命名為 SALES。序列 SALES 中包含例 1 中需要分析的數(shù)據(jù)。第二步，繪制序列圖形。在序列對象窗口中，點(diǎn)擊 V

5、iewfLineGraph。屏幕顯示圖 1 所示圖形。日EViews三Series:SALESWorkfile:EXPONENTTALSMOOTETTNG1口回口FileEditObjectsViewRTDCBfiuickOnticmsWindowHelp占篦YrrFir口lbj.utij_FHiMFrE*_|卜nr|EtMac11danl|Lin|3ur圖 1 某企業(yè)近 30 個月的銷售量動態(tài)圖從圖 1 中可以看出，這個企業(yè)近 30 個月的銷售量并不存在明顯的趨勢，并且沒有明顯的季節(jié)趨勢。因此，從直觀上判斷可以采用一次指數(shù)平滑法對企業(yè)下個月的銷售量進(jìn)行預(yù)測。第三步，擴(kuò)大樣本期。本例要求對下一

6、個月的銷售量進(jìn)行預(yù)測，而工作文件的樣本期是130,在 Eviews 中要求先更改樣本期。更改樣本期的操作在本章第一節(jié)已經(jīng)講過，這里將樣本期改為 l31。第四步，進(jìn)行指數(shù)平滑。指數(shù)平滑的菜單操作方法有兩種：一是在主工作文件窗口打開的情況下，點(diǎn)擊主窗口的 QuickfSeriesStatisticsExponentialSmoothing;二是在序列對象窗口中點(diǎn)擊Procs-ExponentialSmoothing。點(diǎn)擊后屏幕出現(xiàn)如圖 2 所示的指數(shù)平滑對話框。指數(shù)平滑對話框中包含五個部分的選項：平滑方法(SmoothingMethod)、平滑系數(shù)(SmoothingParameters)平滑后生

7、成序列的名稱(SmoothedSeries)、預(yù)測樣本范圍(EstimationSample)和季節(jié)變動周期(CycleforSeasonal)。對話框左上部分白平滑方法(SmoothingMethod)包括：Single 一次指數(shù)平滑Double 二次指數(shù)平滑HoltWintersNoseasonalHoltWinters 無季節(jié)模型HoltWintersAdditiveHoltWinters 季節(jié)迭加模型HoltWintersMultiplicativeHoltWinters 季節(jié)乘積模型平滑系數(shù)(SmoothingParameters)包括 Alpha,Beta,Gamma。 平滑系數(shù)可

8、由系統(tǒng)自動給定，也可以由用戶指定。缺省狀態(tài)是由系統(tǒng)自動給定。如果用戶需要指定，只需在對應(yīng)參數(shù)的位置填入指定的數(shù)值。本例中，分別指定 Alpha 的值為 0.3 和 0.5。當(dāng)指定平滑系數(shù)為 0.3 時，預(yù)測的殘差平方和為 137.2978;當(dāng)平滑系數(shù)為 0.5 時，預(yù)測的殘差平方和為 165.0685。因此這里選擇平滑系數(shù)為 0.3 時的預(yù)測結(jié)果。根據(jù)一次指數(shù)平滑方法的預(yù)測，該企業(yè)下個月的銷售量應(yīng)為Ij1?=EpETiiatiAlxnc-c-tkiaf29.21&Lb.=房5rrvATkEiDI：=a-ans圖 2 指數(shù)平滑對話框（二）二次指數(shù)平滑二次指數(shù)平滑又稱雙重指數(shù)平滑。相對于一

9、次指數(shù)平滑，二次指數(shù)平滑可以預(yù)測有一定線性趨勢的序列，其預(yù)測期也長一些。例 2某公司 1990-2001 年的實(shí)際銷售額如表 2 所示。請根據(jù)此資料預(yù)測 2002 年和 2003 年企業(yè)銷售額。表 2 某公司銷售額單位：萬元年份銷售“年份銷售額199033199644199136199714819923219984619933419995019944220005419954n200158解：第一步，建立工作文件，樣本期為 1990-2001 的年度數(shù)據(jù)。在新建立的工作文件中，生成一個名為 SALES 的新序列。打開 SALES 序列對話框，將表 2 中的數(shù)據(jù)錄入。第二步，繪制序列圖形。從圖中可

10、以看到，該企業(yè)的銷售額存在明顯的增長趨勢（見圖3）。序列的波動并不是很劇烈。由此判斷，使用二次指數(shù)平滑法進(jìn)行預(yù)測比較合適。第三步，擴(kuò)大樣本期。由于本例需要預(yù)測下兩年的銷售額，因此將工作文件的樣本期更改為 1990-2003 年。噸。ExponentialSmoothingSmoothingMe冊od:ItParameters-Single11Rouble1小:HSt-WiSters-Noseasonai:2Holt-Wiiriters-Additive3Holt-Winters-Multiplicative3SmoothingParameteis:Alpha:F(meanBeta:F(tren

11、d)Gamma：E(seasonal)Enternumberbetween0and1.o(Etoestimate.SmoothedSeries:|SALESSWSeriesnameforsmoothedandforecastedvalues.EstimationSample:TloIForecastbegininperiodfolowingestimationendpoint.CycleforSea5onalt_5EEViewsSeries:SALESWorkfile:EXPONENTIALSMCOTHINGZ口EileEditQbjectsJiiewETOCBSwickOnticmsWind

12、owHelpiwrPraca.UbjBELI.|Jriat|4uFTE-I|Enpl-GrarSlwal|E-LHIX|Idanl|LjM|BurIf?-arpcTiisLtixlsaottki圖 3 某企業(yè) 1990-2001 年銷售額變動情況第四步，指數(shù)平滑。根據(jù)前例中的方法，用戶可以進(jìn)入如圖 2 的指數(shù)平滑對話框。本例中，選擇二次指數(shù)平滑的方法，并讓系統(tǒng)自動確定系數(shù)。結(jié)果如表3 所示。原序列 SALES 中共有 12 個觀測值，即 1990-2001 年的企業(yè)銷售額。在進(jìn)行二次指數(shù)平滑時，系統(tǒng)根據(jù)這 12 個數(shù)值自動確定了最優(yōu)的平滑系數(shù) a=0.244。此時，對序列進(jìn)行二次指數(shù)平滑預(yù)測的

13、殘差平方和為 101.3594,均方根誤差為 2.906306o在 Eviews 給出指數(shù)平滑結(jié)果統(tǒng)計表（見表 3）時，并沒有直接給出對 2002 年和 2003年銷售額的預(yù)測值。這兩個數(shù)值保存在系統(tǒng)生成的平滑序列 SALESSM 中，用戶只需打開該序列就可以看到二次指數(shù)平滑方法預(yù)測的結(jié)果。結(jié)果顯示，該企業(yè)在 2002 年和 2003 年的銷售額，分別預(yù)計為 56.6 萬元和 59.4 萬元。Series:SALESWorkfile.PrintH&m蟲FreezeSampleGearSampleGear h h松士tStlttStlt IdentLineE*rIdentLineE*rD

14、ate06/01/04Time1213Sample19902001Includedobservations12MethodDoubleExponentialOriginalSeriesSALESForecastSenesSALESSL1ParametersAlphaSumofSquaredResidualsRootMeanSqusGdError0244010135942906306EndofPeriodLevelsMeanTrend66000842253325Path=s：ewrkfilesDE-noneHF=ponentiOwmoothin笈表 3 二次指數(shù)平滑結(jié)果如果將二次指數(shù)平滑的預(yù)測結(jié)

15、果和原觀測值共同顯示在同一張圖上，可以使用戶看起來更清楚。首先在工作文件菜單中同時選中兩個序列 SALES 和 SALESSM,方法是先點(diǎn)擊一個序列，之后按住鍵盤上的 Shift 鍵再點(diǎn)擊另外一個序列。然后點(diǎn)擊工作文件菜單工具欄中的 Show,在彈出的對話框中點(diǎn)擊 OK。此時，系統(tǒng)將彈出一個類似序列對象窗口的群窗口（見圖 4）,窗口中以 Excel 表格的形式同時顯示出 SALES 和 SALESSM。最后點(diǎn)擊該窗口上方的ViewfGraphfLine（見圖 5）。Group:ENTITLE.2回ViFreesfihjViFreesfihj 電空FrFrint_NantNantFrFr eze

16、z EAiTnTnobsSALESSMSALES199032.2381033.00000A1991341613536000001992366856732000001993361240634000001994365335742,0000019954062091400000019964191179440000031997445449548,00000199847969494600000三1999439524750.000002000512905554.00000200154.5020458.00000V:圖 4 群對象窗口圖 5 實(shí)際銷售額與平滑值序列對比圖、趨勢延伸法實(shí)例時間序列的趨勢即序列隨時

17、間變化的基本規(guī)律和特點(diǎn)。對于存在趨勢的序列，通?？梢赃x取適當(dāng)?shù)哪Ｐ瓦M(jìn)行分析和預(yù)測。(-)直線趨勢直線趨勢模型是一種最常用，也是最成熟的方法。模型的基本結(jié)構(gòu)為：Yt=a+bt式中，a,b 是模型的參數(shù)。這種模型的結(jié)構(gòu)比較簡單，估計方法非常成熟，是很多其他趨勢模型估計的基礎(chǔ)。下面結(jié)合實(shí)例說明如何使用該軟件進(jìn)行直線趨勢模型的預(yù)測。例 3設(shè)某市 19922002 年市場雞蛋銷售量如表 4 所示。試預(yù)測 2003 年該市雞蛋銷售量。表 4 某市雞蛋銷售量單位：萬千克年份情售盤1年份1銷售量1992361998421993261999481994322000451995402001551996502002

18、56199745解：第一步，建立一個新的工作文檔，文檔的樣本期為 1992-2002 年。生成序列 SALES,錄入表 4 中的銷售量觀測值。第二步，打開 SALES 序列對象窗口，點(diǎn)擊 ViewLineGraph,繪制序列散點(diǎn)圖(見圖 6)。&SALESIFvtlh=二LfwiingrHi；|皿=iwMI|lF=圖 6 序列散點(diǎn)圖Eviews 中沒有直接繪制散點(diǎn)圖的菜單選項。當(dāng)需要繪制散點(diǎn)圖時，首先需要繪制連線圖(LineGraph)o屏幕顯示圖形對象窗口后，用鼠標(biāo)左鍵雙擊圖形的任意位置，或者點(diǎn)擊pEViewsSeries:SALESWorkfile:LEASTSQCARES3口Ei

19、leEditQbjectsJiiewETOCBSwickOnticmsWindowHelpVawPracx|Qbjwchi,|TriELL|J4uFTE|EstpL|G*nrSkaal|Slaix|Idnt|Lina|3ur40209293949596979899000102右鍵，然后在彈出的菜單中選擇 Options。此時，系統(tǒng)將彈出圖形屬性對話框。圖形屬性對話框中的選項很多。用戶在這里可以方便地更改圖形的類型(GraphType)、圖形的屬性(GraphAttitude)、線形圖格式見(LineGraph)、條形圖格式(BarGraph)等。這里，將圖形的類型選擇為線形圖(LineGrap

20、h),再在線形圖格式中選擇僅有標(biāo)示(SymbalsOnly)。點(diǎn)擊 OK。從散點(diǎn)圖上可以看出，該序列基本呈現(xiàn)出一種直線增長的趨勢，因而宜采用直線趨勢延伸的方法進(jìn)行預(yù)測。第三步，生成時間變量 T。在進(jìn)行模型參數(shù)的估計時通常要用到最小二乘的方法，其中，觀測值就是因變量，序列 T 就是自變量。生成一個新序列的方法有很多，可以通過菜單操作，也可以直接在主窗口中輸入命令行實(shí)現(xiàn)。有關(guān)菜單操作的方法在本章第一節(jié)中已經(jīng)說明，這里采用命令行的形式生成序列 ToEviews 生成序列的命令為 data,用戶只需在主窗口中輸入命令：dataT。對于序列 T,用戶可以在打開的對象窗口中為它賦值，比如賦值 1,2,3,

21、如果用戶需要直接生成含有值的序列 T,也可以利用函數(shù)生成序列，在主窗口中輸入命令行(見圖 7)。T-TsuTsue ecessfullycomputed.cessfullycomputed.圖 7T 序列生成命令和取值情況節(jié)略genrT=trend系統(tǒng)自動生成序列 T,并從 0 開始計數(shù)，它的取值依次為 0,l,2,3,第四步，模型估計。在 Eviews 中最小二乘回歸的命令是 LS,它的基本書寫格式為:LS 因變量 C 自變量其中，C 代表模型中的常數(shù)項，對于沒有常數(shù)項的模型可以不寫。本例中，使用下面的命令進(jìn)行回歸：LSSALESCT（見表 5）。EEViewsFileEditObjects

22、ViewProcsQuickOptionsWindowHelpdataTgenrT=trendIssalescTEquation:UNTITLEDW.,UIIDIEViViewew| |ProcsProcs| |ObjectsObjects| |TrintIlianaTrintIliana| |FreezeFreeze| |EstimateEstimate| |FaracutfSt*tx|ResidsFaracutfSt*tx|Resids| |DependentVariableSALESMethodLeastSquaresDate06/01/04Time15:22Sample19922002

23、Includedobserations11VariableCoefficientStd.Errort-StatisticProbC31.227272.88131510.8378600000T239090904870314.90915100008R-sqjared0728095Meandependentr:ar4318182AdjustedR*squared0697883SDdependent；ar9293204SEofregression6108025Akaikeinfocriterion6262468Sumsquaredresid234B273Schwarzcriierion6.334813

24、Loglikelihood-3244358Fstatistic2409976Durbin-Watsonstat1030225ProbiF-statistic；0000837FathFath g g；VeviewworkfilesDE-noneWF=IfeastEquAresSVeviewworkfilesDE-noneWF=IfeastEquAresS表 5 最小二乘回歸結(jié)果根據(jù)表 5 的結(jié)果，得到如下模型：sale=31.227+2.391XT第五步，進(jìn)行預(yù)測。根據(jù)上述模型結(jié)果，可以很容易地給出 2003 年雞蛋銷售量的預(yù)測結(jié)果。將 T=11 代入上述模型，計算結(jié)果表明該企業(yè) 2003 年的

25、雞蛋銷售額為 57.5 萬元。（二）曲線趨勢經(jīng)濟(jì)序列中有很多呈現(xiàn)出曲線變化的趨勢。直線趨勢的估計比較簡單，曲線趨勢的估計則更為常用。指數(shù)曲線、二次曲線、三次曲線和龔拍茲曲線是在市場經(jīng)濟(jì)序列中常見的模型，它們的估計也大同小異，這里就以指數(shù)曲線為例介紹如何使用 Eviews 進(jìn)行模型的估計。例 4某市近 9 年燈具商品銷售量資料如表 6 所示。試預(yù)測 2002 年的銷售量。解：第一步，建立一個新的工作文檔，文檔的樣本期為 19932001 年。生成序列 SALES,錄入表中的銷售量觀測值。表 6 某市燈具銷售量單位：萬件.隼份銷售及年份銷售量1993-8.719982(5.0199410.6199

26、933.0199513.3200040.9199616.5200150*4199720.6第二步，打開 SALS 序列對象窗口，點(diǎn)擊 ViewLineGraph,繪制序列散點(diǎn)圖（見圖8)。圖 8 銷售量散點(diǎn)圖從繪制出的散點(diǎn)圖可以看出，該企業(yè)的燈具銷售變動呈現(xiàn)規(guī)律的加速增長。根據(jù)經(jīng)驗判斷，要預(yù)測該企業(yè)下一年度的銷售數(shù)據(jù)，可以使用指數(shù)趨勢模型。如果計算出銷售數(shù)據(jù)的環(huán)比增長率，可以更加確信地選擇指數(shù)模型。本章內(nèi)容以各類方法的軟件實(shí)現(xiàn)為主要闡述內(nèi)容，對模型選擇有興趣的讀者可以參閱本書前面的相關(guān)章節(jié)。第三步，生成時間變量 To 這里采用系統(tǒng)自動生成的方法，即輸入命令：genrT=trend。第四步，對因

27、變量序列進(jìn)行變換。在變化因變量序列之前，首先要弄清楚為什么變換。指數(shù)模型的基本形式如下：Yt=abt從統(tǒng)計學(xué)的角度考慮，傳統(tǒng)的估計方法無法直接估計這種模型的參數(shù)，因此需要對模型的形式進(jìn)行變換，從而使參數(shù)可以被估計出來。指數(shù)趨勢模型通過變換可以變成一個線性模型，所以指數(shù)模型稱為可線性化的模型。指數(shù)模型變換后的結(jié)果為：log(Yt)=log(a)+log(b)xt細(xì)心的讀者會發(fā)現(xiàn)，這時模型的形式與前面介紹的直線趨勢模型非常的相似，只是模型左邊的因變量作了一個對數(shù)變換。所以，對因變量進(jìn)行變換的原因?qū)嶋H上源自對模型的變換，變換的目的是為了能夠使用傳統(tǒng)的估計方法估計出模型的參數(shù)。對于指數(shù)模型，通常要將因

28、變量作對數(shù)變換。在 Eviews 中就是要生成一個新的序列，新序列的數(shù)值恰好等于原觀測序列的值取對數(shù)的結(jié)果。使用命令的方式進(jìn)行操作，在主窗口中輸入如下命令：genrlsales=log(sales)Isales 是新生成序列的名稱。如果作出 lsales 的散點(diǎn)圖，會發(fā)現(xiàn)變換后的序列基本呈一條直線。這里留給有興趣的讀者自己去試一試。第五步，模型估計。在主窗口中輸入下面的命令：LSlsalesct注意，這里實(shí)際上是用變換后的序列和時間變量 T 進(jìn)行線性回歸，估計的結(jié)果為參數(shù) log(a)和 log(b)的值(見表 7)。EEViewsFileEditObjectsViewProcsQuickOp

29、tionsWindowHelpgenrT=trendgenrlsales=log(sales)LSIsalesctewew| |FrousFrous jectsjects| |FrimtFrimt| |Mam*Mam*| |FkeewtFkeewt| |EvtimatEvtimat。|ForoiawtForoiawt| |Strts|RStrts|Roidoid | |DependentVariableLSALESMethodLeastSquaresDate06/0104Time19.51Sample19932001Includedobservations9VariableCoefficien

30、tStdErrorbStatisticProbC2146276000706030444830.0000T02224950001481150259800000Rwqua日d0999690Meandependentvar3Q3625HAdjustedR-squaed0999646SDdependentvar0609423SEofregression0011470Akaikeinfocriterion-5905078Sumsquaredresid0000921Schv-/ar7criterion-5361250Loglikelihood2857285Fatalistic2257601Durbin-W

31、atsonstat1.409630ProbiF-statistic:Q.OOQOOOEEViewsiltditQbjtctsJJiewrocQuidl?？趖i&nsWindowHelpgenrT=trendgenrMIES=I口師a*5)LSIsateSctgenrT=trendLSIsalesctgenrLSALESEXPEXP(LSALESF)vEquatioi卓片|Fr&cs|ObjclsjEst口VL4v|FtfOCEObjVLAIT|hfc|(T7nt19口=回X1:UN.LHrint|JTUIAIFrtie壁 1Far4-=MM_.HM電舊E*iVi 叫|Fn 心

32、ffbj“tE|:Sv”|Lt：tSRange.19932002FillerSemple19932002EstimationCommandLSLSALESCTEstimationEquationLSALES=C1j+C阡SubsljtutedCoefficientsLSALES=2.14627M4+02n弱我嚇LSALESFLSALESEXP國tLSALESQLSALESEXP0LSALESF0RESIDSSALESET-A*V二Hag!up4i5ted陽QM/lodged19932K2LaalupdaftedD；lodified199321993214627623687711993B5529

33、471068426199419911995.259出2816719951334S671667252一19966219961997303625319972DB271S1998325875334812481998260170732500271頰199920003叩房心392623SZOOT40599Q1607168820012001200241437I35200253L3537314Jl鹿 P 足中啥工f 近 kEilrE=尉中附 TP=IcBsixq.uqrtsA第六步，進(jìn)行預(yù)測。根據(jù)表 7 的結(jié)果，可以得到如下模型:PathPath二：eviewworkfilesDB=naneeviewwor

34、kfilesDB=naneIF=l4&Etsquare34IF=l4&Etsquare34表 8 某地區(qū)某產(chǎn)品產(chǎn)量單位：萬件log(Sales)=2.1463+0.2225xT將 T=9 代入上述模型，求得 log(sales)=4.1488。從而可以預(yù)測出該企業(yè)在 2002 年的銷售量為 63.36 萬件。三、季節(jié)指數(shù)法實(shí)例(-)季節(jié)模型的類型季節(jié)模型是反映具有季節(jié)變動規(guī)律的時間序列模型。季節(jié)變動通常是指以年為一個周期的變化。引起季節(jié)變動的首要因素是四季更迭。季節(jié)變動在很多產(chǎn)品市場上都是一種常見現(xiàn)象，最為典型的季節(jié)性產(chǎn)品市場如冷飲、服裝、空調(diào)等。傳統(tǒng)的時間序列分析把時間序列的

35、波動歸結(jié)為四大因素：趨勢變動(T)、季節(jié)變動(S)、循環(huán)變動(C)和不規(guī)則變動(I)。其中循環(huán)變動指周期為數(shù)年的變動，這種變動不一定存在固定變化周期和確定性變化規(guī)律，通常指經(jīng)濟(jì)周期。不規(guī)則變動即隨機(jī)變動。四種變動因素對序列的影響被概括為兩個經(jīng)典模型：乘法模型 Y=TSCI加法模型 Y=T+S+C+I乘法模型通常適用于因素 T,S,C 相關(guān)的情形， 比如季節(jié)因素的作用隨著趨勢的變化而改變； 加法模型通常適用于因素 T,S,C 相互獨(dú)立的情況。需要注意的是，季節(jié)模型一般需要 3 年以上的季度或月度數(shù)據(jù)。(二)季節(jié)調(diào)整對序列進(jìn)行季節(jié)調(diào)整，就是將季節(jié)變動從序列中去除。基本思路是：Y/S=TSI/S=T

36、I或丫SI=TI序列里存在季節(jié)波動常常會妨礙市場人員對某些問題的認(rèn)識。比如，3 月份的飲料銷售比 2 月份好嗎？如果單單從數(shù)據(jù)的表面看，3 月份的銷量應(yīng)該比 2 月份好。但這種所謂的“好”并沒有考慮季節(jié)變動而引起的市場規(guī)模的擴(kuò)大，也就是說，如果剔除季節(jié)因素的影響，3 月份的銷售效果未必比 2 月份好。季節(jié)調(diào)整的目的就是為了剔除掉季節(jié)因素的作用，從而使序列本身的趨勢特征更加準(zhǔn)確地顯現(xiàn)出來。Eviews 中有兩種實(shí)現(xiàn)季節(jié)調(diào)整的菜單操作方法。在主窗口中點(diǎn)擊菜單 QuickfSeriesStatisticsfSeasonalAdjustment,或者在序列對象窗口中點(diǎn)擊工具欄按鈕 ProcsfSeas

37、onalAdjustment。點(diǎn)擊后，屏幕出現(xiàn)季節(jié)調(diào)整對話框窗口(見圖 9)。對話框左上部分是季節(jié)調(diào)整的方法(AdjustmentMethod),包括 CensusX11 法、移動平均季節(jié)乘法(RatiotomovingaverageMultiplicative)、移動平均季節(jié)加法(DifferencefrommovingaverageAdditive)。系統(tǒng)默認(rèn)的方法是移動平均季節(jié)乘法。對話框左下部分是待計算序列(SeriestoCalculate),包括調(diào)整后序列(AdjustedSeries)名稱和季節(jié)因子(Factors)名稱。季節(jié)因子計算是可選的，只有用戶在其對應(yīng)的框中輸入名稱后，系

38、統(tǒng)才會將季節(jié)因子計算的結(jié)果保存在一個序列中。例 5現(xiàn)有某地區(qū)某種產(chǎn)品產(chǎn)量近 4 年的分月資料(見表 8),試預(yù)測該種產(chǎn)品 2003年各月的產(chǎn)量。月份產(chǎn)量月份產(chǎn)量1月份產(chǎn)量月份產(chǎn)量1999.1234567891011U45668121518198452000.12345678910116788101416222010562001.12345678910U1291012131520242926159I。2002.123451;891011121215171921253642382216uSeasonalAdjustment工Ad|ustmntMethod:CerisusXn-uldplic-ati

39、veCensusX11Additivt+Rdtiotomovingaverage-Muliphcalive：Differencefrommovinoaverage-Addtive11Options:SlidingSpansX11UptiorK；Tradingdayadiusknents:5efisstoCalculate:*lNeveriSignificantHclid研fadiictmerit:;AdjusledSeriesFachrs|optional）：ISUPLYSA*NeverAlwaysIfSignificant/0K1Cancd圖 9季節(jié)調(diào)整對話框解：第一步，建立一個新的工作文檔

40、，文檔的樣本期為 1999 年三月2002 年 12 月。生成序列 SUPLY,錄入表中的產(chǎn)量數(shù)據(jù)。第二步，打開 SUPLY 序列對象窗口，點(diǎn)擊 ViewLineGraph,繪制連線圖（見圖 10）。I|Pi.U!.=flaYimnrETICEi1KE1B=ns+IF=TmulNjpd-nl圖 10 產(chǎn)量變化圖從圖形的形狀很容易看到，該種產(chǎn)品的產(chǎn)量確實(shí)存在非常明顯的季節(jié)變動。第三步，生成調(diào)整后序列。根據(jù)前面的方法，生成調(diào)整后序列 SUPLYSA 和季節(jié)團(tuán)于序列 JIJIE。這里使用的模型是乘法模型，因此在如圖 9 所示的對話框中選擇的季節(jié)調(diào)整方法是移動平均季節(jié)乘法(Ratiotomovinga

41、verageMultiplicative)。季節(jié)調(diào)整后產(chǎn)量變化情況和月度季節(jié)因子見圖 11 和表 9。日EViews三Series:SUPLYSAWorkfile:SEASOKALADKSTMENT口回口EileEditQbjects上iewETOCEjickOntioneWindowHelp&擾明wFFUUB:Ubj.ulLiJ_Fhirxi.|Hu.；Fr.工事尸盛，|心.-15i:rLH|Idant|C-in-|mur|HF=i.fci-3iulHdivi.tHnt圖 11 季節(jié)調(diào)整后產(chǎn)量變化情況表 9 月度季節(jié)因子口S干二目里ViewProrsObjViewProrsObj2 2etEetE| |PrintNameFre&PrintNameFre&Date06/01/04Time20:42Sample:1