季節(jié)效應(yīng)分析

1、季節(jié)效應(yīng)分析一、數(shù)據(jù)來源：P.122.例4.6,北京市19952000年月平均氣溫序列（附錄 1.10）。二、研究目的：在日常生活中，我們可以見到許多有季節(jié)效應(yīng)的時(shí)間序 列，比如：四季的氣溫，每個(gè)月的商品零售額，某自然景點(diǎn)每 季度的旅游人數(shù)等等。他們都會(huì)呈現(xiàn)出明顯的季節(jié)變動(dòng)規(guī)律。 所謂季節(jié)效應(yīng)就是在不同的季節(jié)中數(shù)據(jù)會(huì)呈現(xiàn)很明顯的差異。 在對北京市19952000年月平均氣溫序列的分析中，把每月 溫度繪制成圖，可以幫助我們更清楚地看到季節(jié)效應(yīng)的存在。三、理論背景：假如沒有季節(jié)效應(yīng)的影響，北京市的氣溫應(yīng)該始終在某個(gè) 均值附近隨機(jī)波動(dòng)，季節(jié)效應(yīng)的存在，使得氣溫會(huì)在不同年份 的相同月份呈現(xiàn)出相似的性質(zhì)

2、，通過建模我們可以提取季節(jié)變 動(dòng)和隨機(jī)變動(dòng)的信息，這個(gè)過程即是對有季節(jié)效應(yīng)的建模過 程。四、數(shù)據(jù)統(tǒng)計(jì)分析：步驟一，初步了解數(shù)據(jù)信息，并作預(yù)處理：1， 將原始數(shù)據(jù)（附錄1.10）導(dǎo)入Eviews 6.0中，并刪除序列SERIES01,將序列SERIES02重命名為X。2,點(diǎn)擊Quick Graph，在出現(xiàn)的對話框中輸入乂，點(diǎn)擊確定，得到時(shí)序圖，如下：，節(jié)的變動(dòng)有著非常規(guī)律的變化。氣溫的波動(dòng)主要受到兩個(gè)因 素的影響：一個(gè)是季節(jié)效應(yīng)，一個(gè)是隨機(jī)波動(dòng)。同時(shí)可以看 出氣溫在剔除季節(jié)效應(yīng)后是一個(gè)穩(wěn)定的序列，因此不用對隨 機(jī)波動(dòng)做差分處理。3,了解該模型的平均值，進(jìn)行零均值化處理。在Eviews中，quic

3、k series statistics 一histogram and stats 得到該直方圖如下：知該模型的均值為13.03333。對模型進(jìn)行零均值化處理。在命令窗口中寫genr y=x-13.03333。生成x零均值化處理后的 序列y。步驟二，對零均值處理后的序列Y進(jìn)行季節(jié)差分處理：1， 在命令窗口中輸入genr z=y-y(-12)按Enter鍵。2， 打開Z序列，點(diǎn)擊ViewCorrelogram出現(xiàn)對話框，在Correlogram of 下選 level,在 lags to include 下輸入 36，點(diǎn)擊OK，得到Z序列的自相關(guān)和偏自相關(guān)圖，如下：CanElounafZAC PA

4、C Q-Stat ProbAutocorrelation Partial Correlation1 0.090 0.090 0.5108 0.475 2 -0.346 -0357 8.1880 0.0170.002 0.088 S.1882 0.0424 0.019 -0.135 8.2128 0.0345 -0.139 -0.1099.5195 0.0906 -0.125 -0.15210.592 0.1027 -0.016 -0.093 10.6110.1563 -0.052 -0.16510.008 0.2130.035 0.002 10.398 0.233i Zli10 0.2710.

5、191 16351 0.09011 0.117 0.061 17.387 0.09712 -0.414 -0.33930.674 0.00213 -0.0680.059 31.042 0.00314 0.3000.030 30.703 0.00015 -0.029 -0.00533.775 0.001| i 16 -0.248 -0.153 43.959 0.00017 -0.022 -0.066 44.0010.000一偵 1LI-27 -0.032 0.04153.2420.002_以建模。2序列可擬建立：SARIMA(T,Oj0)x.84i-,23+.84i-.50+.86I-.62-.

6、621-,62-.62i-1)+.X3i( 0,4,2)亍2模型-.9912 Equation： UBTITLED|口| XIView I Proc I Object I PrintlName I Freeze I Estimate I Forecast I Stats I Resids IDependent Variable: ZMethod: Least Squares ate: 061311 Time: 21:50Sample (adjusted: 14 72Included observations: 59 after adjustments Convergence achieved

7、after21 iterations MA Backcast: -1113VariableCoefficientStd. Errort-StatisticProb.AR(1)-0.4595940.273034-1.6832350.0900MA1)0.6620560.2337742.S320310.0065SMA(12)-1.63S1400.033S67-4-3.369130.0000SMA(24)0.7629960.02056226.713620.0000R-squaredAdjusted R-squared S.E. of regression Sum squared resid Log l

8、ikelihood 亥模型的系數(shù)，0.747930Mean dependent-/ar-0.0762710.734131S.D. dependent var1.3335320.945326Akaike info criterion2.79081549.15028-78.32905一個(gè)為0.0980,Schwarz criterion Hannan-Quinn criter.A.2.9316652.045793個(gè)為0.0065，另外兩個(gè)、為Inverted AR Roots-.46Inverted MA Roots,99-.03i.gg+.mi.87-.47I.87+.47I84-521.84+

9、521.52-.S4I.52+841,47-.87i.47+.S7I.03+.99I.03-.99I-,03-.99i-.03+.99i-.47+.87I-,47-.S7i-,52+.84i-,52-.S4i-.66-,S4-.52i-84+53-.87+.47i-,37-.47i-,99-.03i0,通過檢驗(yàn)，保留此模型。步驟四：比較選擇最優(yōu)模型，并寫出表達(dá)式：1，比較保留的兩個(gè)模型的AIC,BIC殘差平方和和極大似然估計(jì):比較指標(biāo)AICBIC殘差平方和極大似然估 計(jì)SARIMA(0,0,1)x(0,1,1 )123.2740773.34388986.82357-96.22232SARIMA

10、（1，0，1）x （0， 1， 2） 122.7908152.93166549.15028-78.32905比較AIC，BIC和殘差平方和時(shí)選最小指標(biāo)值，比較似然估計(jì)值時(shí)選最大指標(biāo)值，從比較結(jié)果來看，選擇建立SARIMA（1，0，1）x（0，1，2）12模型。2， 用殘差序列看該模型是否隨機(jī)，隨機(jī)序列圖為:從殘差序列圖上并不能直接判斷出該過程是否平穩(wěn)和隨機(jī)。再用自相關(guān)圖和偏自相關(guān)圖對殘差分析，自相關(guān)圖和偏自相關(guān)圖如下:E quation: UNTITLEE W orkfi 1 e:附錄 1. 1-|n| x|AutocorrelationPartial CorrelationACPACQ-St

11、atProb11111 0.0510.0510.16071 111 112 -0.027-0.0290.205711113 -0.020-0.0180.232611114 -0.013-0.0120.24311匚11匚15 -0.119-0.1191.19040.2751 11 116 -0.056-0.0461.40280.4961 111 117 -0.030-0.0331.46530.6901 111 11Q -0.031-0.0371.53290.82111119 0.0070.0031.5S620.9091 11 110 -0.076-0.0971.96120.9231 11 111

12、 -0.073-0.0022.35750.9371匚11匚112 -0.114-0.130335030.910111113 0.004-0.0123.35170.9491匚1匚114 -0.220-0.2557.23360.7031匚11匚115 -0.113-0.1560.53520.6031ZII1 116 0.2150.171121540.43311 11【117 0.039-0.06112.2350.5041111 118 0.0660.03512.6660.553111119 0.062-0.00813.0060.602View|Prc)d 口 Eect| Print I Name I Freeze I Estjrnute|Forecast| Stats I ResidslCorrelagram of Residuals Squared從自相關(guān)與偏自型建立的可行。相關(guān)圖I匚| L上可看-0.055 -0.098-0.060 -0.09114.97915.4360.6630.69524 0.058 0.00515.7760.73025 0.061 0.00516.1670.760，表船為:(1+0.4落94B)28 0.090 0.058 13.237 0.7893五、在EvieWS中可直I I接查看表達(dá)式I(1-812)火=(1+0.6I匚 I