计量经济分析方法与建模课件第02章经济时间序列的季节调整、分解和平滑方法_s幻灯片.pptVIP

* 图2.12 红线表示BPn(p,q)滤波频率响应函数 蓝线表示带通滤波的频率响应函数 * 图2.13 红线表示SL的原序列 蓝线表示趋势要素序列SL_T * 图2.14 循环要素序列SL_C * §2.3.2 指数平滑 指数平滑是可调整预测的简单方法。当只有少数观测值时这种方法是有效的。与使用固定系数的回归预测模型不同，指数平滑法的预测用过去的预测误差进行调整。 1.单指数平滑（一个参数） 2.双指数平滑（一个参数） 3.Holt-Winters — 无季节趋势（两个参数） 4.Holt-Winter加法模型（三个参数） 5.Holt-winters乘法模型（三个参数） * 指数平滑法操作 利用指数平滑法进行拟合和预测，选择Procs/ Exponential Smoothing 显示如下对话框 * 1．平滑方法 在5种方法中选择一种方法。 2．平滑参数 既可以指定平滑参数也可以让EViews估计它们的值。要估计参数，在填充区内输入字母e，EViews估计使误差平方和最小的参数值。如果估计参数值趋于1，这表明序列趋于随机游走，最近的值对估计将来值最有用。要指定参数值，在填充区内输入参数值，所有参数值在0-1之间，如果输入的参数值超出这一区间，EViews将会估计这个参数。 * 3．平滑后的序列名 可以为平滑后的序列指定一个名字，EViews在原序列后加SM指定平滑后的序列名，也可以改变。 4．估计样本 必须指定预测的样本区间（不管是否选择估计参数）。缺省值是当前工作文件的样本区间。EViews将从样本区间末尾开始计算预测值。 5．季节循环 可以改变每年的季节数（缺省值为每年12个月、4个季度）。这个选项允许预测不规则间距的数据，在空白处输入循环数。 * 例2.7 指数平滑方法应用 本例利用指数平滑方法对我国上证收盘指数（时间范围：1991年1月-2003年3月）的月度时间序列 (sh_s) 进行拟合和预测。采用五种平滑模型对1991年1月-2002年9月的数据做指数平滑，并利用预测公式得到2002年10月-2003年3月半年的预测值。 * * 第二章 经济时间序列的 季节调整、分解与平滑 本章主要介绍经济时间序列的分解和平滑方法。时间序列分解方法包括季节调整和趋势分解，指数平滑是目前比较常用的时间序列平滑方法。 * 经济指标的月度或季度时间序列包含4种变动要素： 长期趋势要素T 循环要素C 季节变动要素S 不规则要素I 　　 经济时间序列的分解 * 图1 我国工业总产值的时间序列 Y 图形 图2 工业总产值的趋势·循环要素 TC 图形 图3 工业总产值的季节变动要素 S 图形 图4 工业总产值的不规则要素 I 图形 * 季节调整的概念 季节性变动的发生，不仅是由于气候的直接影响，而且社会制度及风俗习惯也会引起季节变动。经济统计中的月度和季度数据或大或小都含有季节变动因素，以月份或季度作为时间观测单位的经济时间序列通常具有一年一度的周期性变化，这种周期变化是由于季节因素的影响造成的，在经济分析中称为季节性波动。经济时间序列的季节性波动是非常显著的，它往往遮盖或混淆经济发展中其他客观变化规律，以致给经济增长速度和宏观经济形势的分析造成困难和麻烦。因此，在进行经济增长分析时，必须去掉季节波动的影响，将季节要素从原序列中剔除，这就是所谓的“季节调整” (Seasonal Adjustment)。 * §2.2.1 X-11季节调整方法 §2.2 经济时间序列的季节调整方法 X-11方法是基于移动平均法的季节调整方法。它的特征在于除了能适应各种经济指标的性质，根据各种季节调整的目的，选择计算方式外，在不作选择的情况下，也能根据事先编入的统计基准，按数据的特征自动选