第经济时间序列的季节调整分解和平滑方法eviews应用.pptx

《第经济时间序列的季节调整分解和平滑方法eviews应用.pptx》由会员分享，可在线阅读，更多相关《第经济时间序列的季节调整分解和平滑方法eviews应用.pptx（108页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、会计学1第第 经济时间序列的季节调整分解经济时间序列的季节调整分解(fnji)和平滑方法和平滑方法eviews应用应用第一页，共108页。2 经济指标的月度或季度时间序列包含经济指标的月度或季度时间序列包含 4种变动要素：长期趋势要素种变动要素：长期趋势要素 T、循环要素、循环要素C、季节变动要素、季节变动要素 S 和不规则要素和不规则要素I。长期趋势要素长期趋势要素 (T):代表经济时间序列长期的趋势特性。代表经济时间序列长期的趋势特性。循环要素循环要素(C):是以数年为周期的一种周期性变动。是以数年为周期的一种周期性变动。季节要素季节要素(S):是每年重复出现的循环变动，以是每年重复出现的

2、循环变动，以 12个月或个月或4个季度为周期的周期性影响，由温度、降雨、每年中的假期和政策等因素引起。季节要素和循环要素的区别在于季节变动是固定间距（如季或月）中的自我循环，而循环要素是从一个周期变动到另一个周期，间距比较长且不固定的一种周期性波动。个季度为周期的周期性影响，由温度、降雨、每年中的假期和政策等因素引起。季节要素和循环要素的区别在于季节变动是固定间距（如季或月）中的自我循环，而循环要素是从一个周期变动到另一个周期，间距比较长且不固定的一种周期性波动。不规则要素不规则要素 (I):又称随机因子、残余变动或噪声，其变动无规则可循，这类因素是由偶然发生的事件引起的，如罢工、意外事故、地

3、震、水灾、恶劣气候又称随机因子、残余变动或噪声，其变动无规则可循，这类因素是由偶然发生的事件引起的，如罢工、意外事故、地震、水灾、恶劣气候(qhu)、战争、法令更改和预测误差等。、战争、法令更改和预测误差等。一、经济一、经济(jngj)(jngj)时间序列的分解时间序列的分解第1页/共107页第二页，共108页。3图图图图1 1 我国工业总产值的时间序列我国工业总产值的时间序列我国工业总产值的时间序列我国工业总产值的时间序列 Y Y 图形图形图形图形 图图图图2 2 工业总产值的趋势工业总产值的趋势工业总产值的趋势工业总产值的趋势(qsh)(qsh)循环要素循环要素循环要素循环要素 TC TC

4、 图形图形图形图形 图图图图3 3 工业工业工业工业(gngy)(gngy)总产值的季节变动要素总产值的季节变动要素总产值的季节变动要素总产值的季节变动要素 S S 图形图形图形图形 图图图图4 4 工业工业工业工业(gngy)(gngy)总产总产总产总产值的不规则要素值的不规则要素值的不规则要素值的不规则要素 I I 图形图形图形图形 第2页/共107页第三页，共108页。4二、季节二、季节(jji)(jji)调整的概念调整的概念 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

5、据或大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，以月份或季度作为或小都含有季节变动因素，以月份或季度作为(zuwi)时间观测单位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

6、难客观变化规律，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，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，这就是所谓的将季节要素从原序列中剔除，这就是所谓的“季节调整季节调整”(Seasonal Adjustment)。第3页/共107页第四页，共108页。52.1 2.1 移动平均移动平均移动平均移动平均(pngjn)(pngjn)方法方法方法方法 移动平均移动平均(pngjn)法法(Moving Averages)的基本思路是很简单的，是算术的基本思路是很简单的，是算术平均平均(pngjn

7、)的一种。它具有如下特性：的一种。它具有如下特性：1.周期（及其整数倍）与移动平均周期（及其整数倍）与移动平均(pngjn)项数相等的周期性变动基本得项数相等的周期性变动基本得到消除到消除;2.互相独立的不规则变动得到平滑。互相独立的不规则变动得到平滑。这两条特性可以证明。这两条特性可以证明。第4页/共107页第五页，共108页。62.1.1 2.1.1 简单的移动平均简单的移动平均简单的移动平均简单的移动平均(pngjn)(pngjn)公式公式公式公式 时间序列数据时间序列数据 y=y1,y2,yT，T 为样本长度，在时点为样本长度，在时点 t 上的上的2k+1项移动平均值项移动平均值 MA

8、t 的一般表示为的一般表示为(2.1.1)式中的式中的k为正整数，此时移动平均后的序列为正整数，此时移动平均后的序列MA的始端和末端各欠缺的始端和末端各欠缺(qinqu)k项值，需要用插值或其它方法补齐。项值，需要用插值或其它方法补齐。第5页/共107页第六页，共108页。7 例如例如(lr)，常用的三项移动平均，常用的三项移动平均 (2.1.2)两端补欠项：两端补欠项：(2.1.3)(2.1.4)1.1.2 1.1.2 中心化移动中心化移动中心化移动中心化移动(ydng)(ydng)平均平均平均平均 考虑消除季节变动时，最简单考虑消除季节变动时，最简单(jindn)的方法是对月度数据进行的方

9、法是对月度数据进行12个月移动平均。此个月移动平均。此时，由于项数是偶数，故常常进行所谓时，由于项数是偶数，故常常进行所谓“移动平均的中心化移动平均的中心化”，即取连续的两个移动平均值的，即取连续的两个移动平均值的平均值作为该月的值。平均值作为该月的值。第6页/共107页第七页，共108页。8 (2.1.5)因为12是偶数(u sh)，通过求平均值可以达到中心化，即中心化移动平均值为 (2.1.6)中心化移动平均的一般公式为 (2.1.7)第7页/共107页第八页，共108页。9 需要指出的是由于采用需要指出的是由于采用(ciyng)12个月中心化移动平均后，序列的个月中心化移动平均后，序列的

10、两端各有两端各有6个欠项值，需要用插值或其它数值计算方法将其补齐。个欠项值，需要用插值或其它数值计算方法将其补齐。2.1.32.1.3加权移动加权移动加权移动加权移动(ydng)(ydng)平平平平均均均均 上面介绍的上面介绍的12个月中心化移动个月中心化移动(ydng)平均是二次移动平均是二次移动(ydng)平均，平均，也可以用一次移动也可以用一次移动(ydng)平均平均(2.1.7)式表示，这种移动式表示，这种移动(ydng)平均方法就平均方法就叫做加权平均，其中每一期的权数不相等，下面介绍几种常用的加权移动叫做加权平均，其中每一期的权数不相等，下面介绍几种常用的加权移动(ydng)平均方

11、法。平均方法。第8页/共107页第九页，共108页。10 除了上述移动平均方法外，除了上述移动平均方法外，X-11季节季节(jji)调整法中还采用亨德松调整法中还采用亨德松(Henderson)的的5,9,13和和23项加权移动平均。选择特殊的移动平均法是基于数列中存在的随机因子，随机因子越大，求移动平均的项数应越多。项加权移动平均。选择特殊的移动平均法是基于数列中存在的随机因子，随机因子越大，求移动平均的项数应越多。第9页/共107页第十页，共108页。111.1.1.1.季节调整季节调整季节调整季节调整(tiozhng)(tiozhng)(tiozhng)(tiozhng)方法的发展方法的

12、发展方法的发展方法的发展 1954年美国商务部国势普查局年美国商务部国势普查局(Bureau of Census，Depart-ment of Commerce)在在美国全国经济研究局美国全国经济研究局(NBER)战前研究的移动平均比法战前研究的移动平均比法(The Ratio-Moving Average Method)的基础上，开发了关于季节调整的最初的电子计算机程序，开始大规模地对经济的基础上，开发了关于季节调整的最初的电子计算机程序，开始大规模地对经济时间序列进行季节调整。此后，季节调整方法不断改进，每次改进都以时间序列进行季节调整。此后，季节调整方法不断改进，每次改进都以X再加上序号

13、表示。再加上序号表示。1960年，发表了年，发表了X-3方法，方法，X-3方法和以前的程序相比，特异项的代替方法和季节要素的计方法和以前的程序相比，特异项的代替方法和季节要素的计算方法略有不同。算方法略有不同。1961年，国势普查局又发表了年，国势普查局又发表了X-10方法。方法。X-10方法考虑到了根据不规则方法考虑到了根据不规则变动和季节变动的相对大小来选择计算季节要素的移动平均项数。变动和季节变动的相对大小来选择计算季节要素的移动平均项数。1965年年10月发表了月发表了X-11方法，这一方法历经几次演变方法，这一方法历经几次演变(ynbin)，已成为一种相当精细、典型的季节调整方法，已

14、成为一种相当精细、典型的季节调整方法 2.2 2.2 经济经济经济经济(jngj)(jngj)时间序列的季节调整方法时间序列的季节调整方法时间序列的季节调整方法时间序列的季节调整方法第10页/共107页第十一页，共108页。12 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择计算方

15、式。在计算过程中可根据数据中的随机因素据的特征自动选择计算方式。在计算过程中可根据数据中的随机因素大小，采用不同长度的移动平均，随机因素越大，移动平均长度越大。大小，采用不同长度的移动平均，随机因素越大，移动平均长度越大。X-11方法是通过几次迭代来进行分解的，每一次对组成因子的估算都方法是通过几次迭代来进行分解的，每一次对组成因子的估算都进一步精化。正因为如此，进一步精化。正因为如此，X-11方法受到很高的评价，已为欧美、日方法受到很高的评价，已为欧美、日本等国的官方和民间企业、国际机构本等国的官方和民间企业、国际机构(jgu)(IMF)等采用，成为目前普等采用，成为目前普遍使用的季节调整方

16、法。遍使用的季节调整方法。第11页/共107页第十二页，共108页。13 美国商务部国势普查局的美国商务部国势普查局的X12季节调整程序是在季节调整程序是在X11方法的基方法的基础上发展而来的，包括础上发展而来的，包括X11季节调整方法的全部功能，并对季节调整方法的全部功能，并对X11方法进行了以下方法进行了以下3方面的重要方面的重要(zhngyo)改进：改进：(1)扩展了贸易日和节假日影响的调节功能，增加了季节、趋扩展了贸易日和节假日影响的调节功能，增加了季节、趋势循环和不规则要素分解模型的选择功能；势循环和不规则要素分解模型的选择功能；(2)新的季节调整结果稳定性诊断功能；新的季节调整结果

17、稳定性诊断功能；(3)增加增加X12-ARIMA模型的建模和模型选择功能。模型的建模和模型选择功能。第12页/共107页第十三页，共108页。14 X12季节调整方法的核心算法是扩展的季节调整方法的核心算法是扩展的X11季节调整程序季节调整程序(chngx)。共包括。共包括4种季节调整的分解形式：乘法、加法、伪加法和对数加法模型。注意采用乘法、伪加法和对数加法模型进行季节调整时，时间序列中不允许有零和负数。种季节调整的分解形式：乘法、加法、伪加法和对数加法模型。注意采用乘法、伪加法和对数加法模型进行季节调整时，时间序列中不允许有零和负数。加法模型加法模型 (2.2.1)乘法模型：乘法模型：(2

18、.2.2)对数加法模型：对数加法模型：(2.2.3)伪加法模型：伪加法模型：(2.2.4)2季节季节(jji)调整的模型选择调整的模型选择第13页/共107页第十四页，共108页。15 设设Yt 表示一个无奇异值的月度时间序列，通过预测和回推来扩展序列使得表示一个无奇异值的月度时间序列，通过预测和回推来扩展序列使得(sh de)在序列的尾端不需要对季节调整公式进行修改。把在序列的尾端不需要对季节调整公式进行修改。把Yt 分解为趋势循环项分解为趋势循环项TCt、季节项、季节项St 和不规则要素和不规则要素It。现以加法模型为例，介绍。现以加法模型为例，介绍X12季节调整方法的核心算法（为叙述简便

19、而不考虑补欠项的问题）。共分为三个阶段：季节调整方法的核心算法（为叙述简便而不考虑补欠项的问题）。共分为三个阶段：3 3X12X12季节调整方法的核心季节调整方法的核心季节调整方法的核心季节调整方法的核心(hxn)(hxn)算法算法算法算法第14页/共107页第十五页，共108页。16 通过中心化通过中心化12项移动计算平均趋势项移动计算平均趋势(qsh)循环要素的初始估计循环要素的初始估计 (2.2.5)计算计算SI项的初始估计项的初始估计 (2.2.6)通过通过33移动平均计算季节因子移动平均计算季节因子 S的初始估计的初始估计 (2.2.7)消除季节因子中的残余趋势消除季节因子中的残余趋

20、势(qsh)(2.2.8)季节调整结果的初始估计季节调整结果的初始估计 (2.2.9)第一阶段第一阶段第一阶段第一阶段 季节调整季节调整季节调整季节调整(tiozhng)(tiozhng)的初始估计的初始估计的初始估计的初始估计第15页/共107页第十六页，共108页。17 利用利用Henderson移动移动(ydng)平均公式计算暂定的趋势循环要素平均公式计算暂定的趋势循环要素 (2.2.10)计算暂定的计算暂定的SI项项 (2.2.11)通过通过35项移动项移动(ydng)平均计算暂定的季节因子平均计算暂定的季节因子 (2.2.12)计算最终的季节因子计算最终的季节因子 (2.2.13)季

21、节调整的第二次估计结果季节调整的第二次估计结果 (2.2.14)第二阶段第二阶段第二阶段第二阶段 计算暂定的趋势循环要素计算暂定的趋势循环要素计算暂定的趋势循环要素计算暂定的趋势循环要素(yo s)(yo s)和最终的季节因子和最终的季节因子和最终的季节因子和最终的季节因子第16页/共107页第十七页，共108页。18 利用利用Henderson移动平均公式计算移动平均公式计算(j sun)最终的趋势循环要素最终的趋势循环要素 (2.2.15)计算计算(j sun)最终的不规则要素最终的不规则要素 (2.2.16)第三阶段第三阶段第三阶段第三阶段 计算计算计算计算(j sun)(j sun)最

22、终的趋势循环要素和最终的不规则要素最终的趋势循环要素和最终的不规则要素最终的趋势循环要素和最终的不规则要素最终的趋势循环要素和最终的不规则要素第17页/共107页第十八页，共108页。19 本节主要介绍利用本节主要介绍利用 EViews软件对一个月度或季度时间序列软件对一个月度或季度时间序列(xli)进行季节调整的操作方法。在进行季节调整的操作方法。在 EViews工作环境中，打开一个月度或季度时间序列工作环境中，打开一个月度或季度时间序列(xli)的工作文件，双击需进行数据处理的序列的工作文件，双击需进行数据处理的序列(xli)名，进入这个序列名，进入这个序列(xli)对象，在序列对象，在序

23、列(xli)窗口的工具栏中单击窗口的工具栏中单击 Proc按钮将显示菜单：按钮将显示菜单：2.2.4 2.2.4 季节调整季节调整季节调整季节调整(tiozhng)(tiozhng)相关操作相关操作相关操作相关操作 (EViews(EViews软件软件软件软件)第18页/共107页第十九页，共108页。20 一、一、X11方法方法(fngf)X-11法是美国商务部标准(biozhn)的季节调整方法(乘法模型、加法模型)，乘法模型适用于序列可被分解为季节调整后序列（趋势循环不规则要素项）与季节项的乘积，加法模型适用于序列可被分解为季节调整后序列与季节项的和。乘法模型只适用于序列值都为正的情形。第

24、19页/共107页第二十页，共108页。21 如果在季节调整对话框中选择X-11选项，调整后的序列及因子序列会被自动存入EViews工作文件中，在过程的结尾X-11简要的输出及错误信息也会在序列窗口中显示。关于调整后的序列的名字。EViews在原序列名后加SA，但也可以改变调整后的序列名，这将被存储在工作文件中。需要注意(zh y)，季节调整的观测值的个数是有限制的。X-11只作用于含季节数据的序列，需要至少4整年的数据，最多能调整20年的月度数据及30年的季度数据。第20页/共107页第二十一页，共108页。22 图图2.1 社社会会消消费费品品零零售售总总额额的的TCI 序序列列(xli)

25、(季季节节调调整整后后序序列列(xli)第21页/共107页第二十二页，共108页。23 图图2.2 社会消费品零售总额的原序列社会消费品零售总额的原序列(xli)(蓝线蓝线)和和 季节调整后序列季节调整后序列(xli)(TCI 序列序列(xli),红线红线)第22页/共107页第二十三页，共108页。24 二、二、Census X12方法方法(fngf)EViews是将美国国势调查局的X12季节调整程序直接安装到EViews子目录中，建立了一个接口程序。EViews进行季节调整时将执行以下步骤：1给出一个被调整序列的说明文件(wnjin)和数据文件(wnjin)；2利用给定的信息执行X12程

26、序；3返回一个输出文件(wnjin)，将调整后的结果存在EViews工作文件(wnjin)中。X12的EViews接口菜单只是一个简短的描述，EViews还提供了一些菜单不能实现的接口功能，更一般的命令接口程序。第23页/共107页第二十四页，共108页。25 调用(dioyng)X12季节调整过程，在序列窗口选择Procs/Seasonal Adjustment/Census X12，打开一个对话框：X12方法有方法有5种选择种选择(xunz)框，下面分别介绍。框，下面分别介绍。第24页/共107页第二十五页，共108页。26 1.季节调整选择（季节调整选择（Seasonal Ajustme

27、nt Option）X11方法（方法（X11 Method）这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须(bx)伴随伴随ARIMA说明）；对数加法。注意乘法、伪加法和对数加法不允许有零和负数。说明）；对数加法。注意乘法、伪加法和对数加法不允许有零和负数。季节滤波季节滤波(Seasonal Filter)当估计季节因子时，允许选择季节移动平均滤波（月别移动平均项数），缺省是当估计季节因子时，允许选择季节移动平均滤波（月别移动平均项数），缺省是X12自动确定。近似地可选择自动确定。近似地可选择(X11 default)

28、缺省选择。需要注意如果序列短于缺省选择。需要注意如果序列短于20年，年，X12不允许指定不允许指定315的季节滤波。的季节滤波。第25页/共107页第二十六页，共108页。27 存调整后的分量序列名（存调整后的分量序列名（Component Series Component Series toto save save）X12 X12将被调整的序列名作为缺省列在将被调整的序列名作为缺省列在Base nameBase name框中，可以改变序列名。在下面的多选钮中选择要保存的季节调整后分量序列，框中，可以改变序列名。在下面的多选钮中选择要保存的季节调整后分量序列，X12X12将加上相应的后缀存在将

29、加上相应的后缀存在(cnzi)(cnzi)工作文件中：工作文件中：最终的季节调整后序列（最终的季节调整后序列（SASA）；）；最终的季节因子（最终的季节因子（SFSF）；）；最终的趋势最终的趋势循环序列（循环序列（TCTC）；）；最终的不规则要素分量（最终的不规则要素分量（IRIR）；）；季节季节/贸易日因子（贸易日因子（D16D16）；）；假日假日/贸易日因子（贸易日因子（D18D18）；）；趋势滤波（趋势滤波（趋势滤波（趋势滤波（Trend Filter(Henderson)Trend Filter(Henderson)）当估计趋势当估计趋势当估计趋势当估计趋势循环分量时，允许指定亨德松移

30、动平均的项数，可以输入大于循环分量时，允许指定亨德松移动平均的项数，可以输入大于循环分量时，允许指定亨德松移动平均的项数，可以输入大于循环分量时，允许指定亨德松移动平均的项数，可以输入大于1 1和小于等于和小于等于和小于等于和小于等于101101的奇数，缺省是由的奇数，缺省是由的奇数，缺省是由的奇数，缺省是由X12X12自动自动自动自动(zdng)(zdng)选择。选择。选择。选择。第26页/共107页第二十七页，共108页。28例例例例2.1a 2.1a 利用利用利用利用X12X12加法模型进行季节加法模型进行季节加法模型进行季节加法模型进行季节(jji)(jji)调整调整调整调整 图图2.

31、3a 社会社会(shhu)消费品零售总额原序列消费品零售总额原序列 图图2.3b 社社会会(shhu)消消费费品品零零售售总总额额的的TCI 序序列列 图图2.3c 社社会会(shhu)消消费费品品零售总额的零售总额的TC序列序列 第27页/共107页第二十八页，共108页。29 图图2.3d 社社会会(shhu)消消费费品品零零售售总总额额 I 序序列列 图图2.3e 社社会会(shhu)消消费费品品零零售售总总额额的的 S 序列序列 第28页/共107页第二十九页，共108页。30例例例例2.1b 2.1b 利用利用利用利用X12X12乘法模型进行季节乘法模型进行季节乘法模型进行季节乘法模

32、型进行季节(jji)(jji)调整调整调整调整 图图2.4a 工业工业(gngy)总产值原序列总产值原序列 图图2.4b 工工业业(gngy)总总产产值值的的TCI 序序列列 图图2.4c 工工业业(gngy)总产值的总产值的TC序列序列 第29页/共107页第三十页，共108页。31 图图2.4d 工业工业(gngy)总产值的总产值的 I 序列序列 图图2.4e 工业工业(gngy)总产值的总产值的 S 序列序列 第30页/共107页第三十一页，共108页。32 X12方法是基于移动平均法的季节调整方法。它的一个主要缺点是在进行季节调整时，需要在原序列的两端补欠项，如果补欠项的方法不当，就会

33、造成信息损失。方法是基于移动平均法的季节调整方法。它的一个主要缺点是在进行季节调整时，需要在原序列的两端补欠项，如果补欠项的方法不当，就会造成信息损失。X12-ARIMA方法是由方法是由X12方法和时间序列模型组合而成的季节调整方法。通过用方法和时间序列模型组合而成的季节调整方法。通过用ARIMA模型模型(autoregressive integrated moving Average)延长原序列，弥补了移动平均法末端项补欠值的问题。延长原序列，弥补了移动平均法末端项补欠值的问题。建立建立ARIMA(p,d,q)模型，需要确定模型的参数，包括单整阶数模型，需要确定模型的参数，包括单整阶数d；自

34、回归模型；自回归模型(AR)的延迟阶数的延迟阶数p；动平均模型；动平均模型(MA)的延迟阶数的延迟阶数q。也可以在模型中指定一些外生回归因子，建立。也可以在模型中指定一些外生回归因子，建立ARIMAX模型。对于时间序列中的一些确定性的影响（如节假日和贸易日影响），应在季节调整之前模型。对于时间序列中的一些确定性的影响（如节假日和贸易日影响），应在季节调整之前(zhqin)去掉。去掉。2.ARIMA选择选择(xunz)（ARIMA Option）第31页/共107页第三十二页，共108页。33 点击ARIMA Option标签(bioqin)，可出现下列对话框：X12允许在季节调整前对被调整序列

35、建立一个(y)合适的ARIMA模型。第32页/共107页第三十三页，共108页。34 (1)(1)数据转换（数据转换（数据转换（数据转换（Data TransformationData Transformation）在配备一个合适的在配备一个合适的在配备一个合适的在配备一个合适的ARMAARMA 模型之前允许转换序列：模型之前允许转换序列：模型之前允许转换序列：模型之前允许转换序列：(1)(1)缺省是不转换；缺省是不转换；缺省是不转换；缺省是不转换；(2)Auto (2)Auto选择是根据计算出来的选择是根据计算出来的选择是根据计算出来的选择是根据计算出来的AICAIC准则自动确定是不做转换还

36、是准则自动确定是不做转换还是准则自动确定是不做转换还是准则自动确定是不做转换还是(hi shi)(hi shi)进行对数转换；进行对数转换；进行对数转换；进行对数转换；(3)Logistic (3)Logistic选择将序列选择将序列选择将序列选择将序列 y y 转换为转换为转换为转换为 log(y/(1-y)log(y/(1-y)，y y序列的值要求在序列的值要求在序列的值要求在序列的值要求在0 0和和和和1 1之间；之间；之间；之间；(4)Box-Cox power (4)Box-Cox power选择要求提供一个参数选择要求提供一个参数选择要求提供一个参数选择要求提供一个参数 ，做下列转

37、换：，做下列转换：，做下列转换：，做下列转换：第33页/共107页第三十四页，共108页。35 (2)ARIMA说明说明(ARIMA Spec)允许在允许在2种不同种不同(b tn)的方法中选择的方法中选择ARIMA模型。模型。Specify in-line 选择 要求(yoqi)提供ARIMA模型阶数的说明（p d q）(P D Q)p 非季节的非季节的AR阶数阶数 d 非季节的差分阶数非季节的差分阶数 q 非季节的非季节的MA阶数阶数 P 季节季节AR阶数阶数 D 季节差分阶数季节差分阶数 Q 季节季节MA阶数阶数 第34页/共107页第三十五页，共108页。36 缺省的指定(zhdng)

38、是“(0 1 1)(0 1 1)”是指季节的IMA模型：(2.5.2)L是滞后算子，这里季节差分是指(1Ls)yt=yt yts，季度数据时s=4；月度数据时s=12。下面是一些例子：(1 0 0)(0 1 1)(1 0 1)(1 0 0)注意在模型中总的 AR、MA、和差分的系数不超过 25；AR或MA参数的最大延迟(ynch)为24；在ARIMA 因子中的最大差分阶数不超过 3。第35页/共107页第三十六页，共108页。37 Select from file 选择选择 X12将从一个外部文件提供的说明将从一个外部文件提供的说明(shumng)集合中选择集合中选择ARIMA模型。模型。EV

39、iews 将利用一个包含一系列缺省模型指定说明将利用一个包含一系列缺省模型指定说明(shumng)的文件（的文件（X12A.MDL）：）：(0 1 1)(0 1 1)*(0 1 2)(0 1 1)X (2 1 0)(0 1 1)X (0 2 2)(0 1 1)X (2 1 2)(0 1 1)缺省说明缺省说明(shumng)用用“*”表示，除最后一个外，中间的用表示，除最后一个外，中间的用“X”结尾。有结尾。有2个选择：个选择：Select best 检验列表中的所有模型，选一个最小预测误差的模型，缺省是第一个模型。检验列表中的所有模型，选一个最小预测误差的模型，缺省是第一个模型。Select

40、by out-of-sample-fit 对模型的评价用外部样本误差，缺省是用内部样本预测误差。对模型的评价用外部样本误差，缺省是用内部样本预测误差。第36页/共107页第三十七页，共108页。38 (3)(3)回归因子选择（回归因子选择（回归因子选择（回归因子选择（RegressorsRegressors）允许在允许在允许在允许在ARIMAARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节(jji)(j

41、ji)虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。第37页/共107页第三十八页，共108页。39 由每天经济活动的总和组成的月度由每天经济活动的总和组成的月度(yud)时间序列受该月各周的影响，这种影响称为贸易日影响（或周工作日影响）。例如，对于零售业在每周的星期一至星期五的销售额比该周的星期六、星期日要少得多。因此，在某月如果多出的星期天数是一周的前五天，那么该月份销售额将较低；如果多出的星期天数是一周的

42、星期六、星期日，那么该月份销售额将较高。又如，在流量序列中平均每天的影响将产生时间序列受该月各周的影响，这种影响称为贸易日影响（或周工作日影响）。例如，对于零售业在每周的星期一至星期五的销售额比该周的星期六、星期日要少得多。因此，在某月如果多出的星期天数是一周的前五天，那么该月份销售额将较低；如果多出的星期天数是一周的星期六、星期日，那么该月份销售额将较高。又如，在流量序列中平均每天的影响将产生“月长度月长度”影响。因为在每年中二月份的长度是不相同的，所以这种影响不可能完全被季节因素承受。二月份残留的影响被称为润年影响。影响。因为在每年中二月份的长度是不相同的，所以这种影响不可能完全被季节因素

43、承受。二月份残留的影响被称为润年影响。3.3.贸易贸易贸易贸易(moy)(moy)日和节假日影响日和节假日影响日和节假日影响日和节假日影响 （1 1）贸易）贸易）贸易）贸易(moy)(moy)日影响日影响日影响日影响第38页/共107页第三十九页，共108页。40 Young(1965)讨论了浮动贸易日的影响，讨论了浮动贸易日的影响，Cleveland and Grupe(1983)讨论了固定贸易日的影响。贸易日影响和季节影响一样使得比较各月的序列值变得困难，而且不利于研究序列间的相互影响。由于这个原因，当贸易日影响的估计在统计上显著时，通常在季节调整之前先把贸易日的影响从序列中剔除。在调整的

44、内容中，形成了又一个分解要素：贸易日要素讨论了固定贸易日的影响。贸易日影响和季节影响一样使得比较各月的序列值变得困难，而且不利于研究序列间的相互影响。由于这个原因，当贸易日影响的估计在统计上显著时，通常在季节调整之前先把贸易日的影响从序列中剔除。在调整的内容中，形成了又一个分解要素：贸易日要素 D。在在X12季节调整中，假设贸易日影响要素包含在不规则要素中，即不规则要素的形式是季节调整中，假设贸易日影响要素包含在不规则要素中，即不规则要素的形式是 ID，假设已从原序列，假设已从原序列 Y 中分解出中分解出 ID。然后用回归分析求出星期一，星期二，。然后用回归分析求出星期一，星期二，星期日的相应

45、权重，星期日的相应权重(qun zhn)，从而可以将，从而可以将 ID 分解为真正的不规则要素分解为真正的不规则要素 I 和贸易日要素和贸易日要素 D。第39页/共107页第四十页，共108页。41 美国的圣诞节、复活节及感恩节等节假日对经济时间序列也会产生影响。例如，圣诞节的影响可以增加当周或前一周商品的零售额，或者是降低特定工厂在圣诞节前几天的产量。在X12方法中，贸易日和节假日影响可以从不规则要素中同时估计得到。在X12方法中，可以对不规则要素建立ARIMAX模型，包括贸易日和节假日影响的回归变量，而且还可以指明奇异(qy)值的影响，并在估计其他回归影响的同时消除它们。注意EViews中

46、的节假日调整只针对美国，不能应用于其他国家。（2 2）节假日影响）节假日影响）节假日影响）节假日影响(yngxing)(yngxing)的调的调的调的调整整整整第40页/共107页第四十一页，共108页。42 可以在进行季节调整和利用可以在进行季节调整和利用ARIMA模型得到用于季节调整的向前模型得到用于季节调整的向前(xin qin)/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。首先要选择向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。首先要选择:（Ajustment Option）是否进行这项调整？，确定在那一个步骤里调整：在）是否进行这项调整？，确定在那一

47、个步骤里调整：在ARIMA步骤，还是步骤，还是X-11步骤？步骤？贸易日和节假日影响贸易日和节假日影响贸易日和节假日影响贸易日和节假日影响(yngxing)(yngxing)操作操作操作操作第41页/共107页第四十二页，共108页。43 Trading Day Effects消消除除贸贸易易日日影影响响有有2种种选选择择，依依赖赖于于序序列列(xli)是是流流量量序序列列(xli)还还是是存存量量序序列列(xli)（诸诸如如存存货货）。对对于于流流量量序序列列(xli)还还有有2种种选选择择，是是对对周周工工作作日日影影响响进进行行调调整整还还是是对对仅仅对对周周日日-周周末末影影响响进进行

48、行调调整整。存存量量序序列列(xli)仅仅对对月度序列月度序列(xli)进行调整，需给出被观测序列进行调整，需给出被观测序列(xli)的月天数。的月天数。Holiday effects 仅仅对对流流量量序序列列(xli)做做节节假假日日调调整整。对对每每一一个个节节日日，必必须须提提供供一个数，是到这个节日之前影响的持续天数。一个数，是到这个节日之前影响的持续天数。Easter 复活节复活节 Labor 美国、加拿大的劳工节，九月第一个星期一美国、加拿大的劳工节，九月第一个星期一 Thanksgiving 感感恩恩节节（在在美美国国为为11月月第第4个个星星期期4；加加拿拿大大为为10月月第第

49、2个个星星期期1）Christmas 圣诞节圣诞节 注意这些节日只针对美国，不能应用于其他国家。注意这些节日只针对美国，不能应用于其他国家。第42页/共107页第四十三页，共108页。44 外部影响调整包括附加的外部冲击(addtive outlier，AO)和水平变换(level shift，LS)。附加的外部冲击(AO)调整是指对序列(xli)中存在的奇异点数据进行调整，水平变换(LS)是指对水平上发生突然变化的序列(xli)的处理。4.4.外部外部外部外部(wib)(wib)影响影响影响影响(Outlier Effects)(Outlier Effects)图图图图2.5 2.5 经济时

50、间序列水平经济时间序列水平经济时间序列水平经济时间序列水平(shupng)(shupng)变换示意图变换示意图变换示意图变换示意图 第43页/共107页第四十四页，共108页。45通过对通过对ARIMAX模型中的回归方程添加外部冲击和水平模型中的回归方程添加外部冲击和水平(shupng)变换回归变量，可以处理奇异点数据和在水平变换回归变量，可以处理奇异点数据和在水平(shupng)上发生突然变化的序列。在对序列进行预调整的同时得到外部影响调整是上发生突然变化的序列。在对序列进行预调整的同时得到外部影响调整是X12-ARIMA模型的特殊能力。模型的特殊能力。在奇异点在奇异点t0的外部冲击变量：的