简明第五版 市场预测与管理决策 第7章Eviews应用实例

1、第七章第七章 Eviews应用实例应用实例 本章结构本章结构Eviews软件使用初步软件使用初步 1.时间序列分析实例时间序列分析实例 2.回归分析实例回归分析实例 3.5.1 Eviews软件使用初步软件使用初步 （Eviews7.1 ）v一、工作文件的建立 v二、序列对象基本操作 v三、序列分析常用操作 v四、描述统计分析 一、工作文件的建立一、工作文件的建立v（一）主窗口v（二）创建工作文件 v（三）工作文件窗口简介 v（四）时间范围的调整 （一）主窗口（一）主窗口工作文件窗口（二）创建工作文件（二）创建工作文件Eviews要求数据的分析处理过程要在特定的工作文档（Workfile）中进

2、行，并且该文档需要在具体数据的录入之前建立。建立工作文档操作（二）创建工作文件（二）创建工作文件点击FileNewWorkfile，屏幕上出现一个工作文件定义对话框，要求用户指定序列观测数据的频率和样本大小 :工作文档定义对话框工作频率项（Date specification下的Frequency下拉框）可根据具体情况选择年度（Annual）、半年度（Semi-annual）、季度（Quarterly）、月度（Monthly）等样式，并在下面的空格输入数据的起止时间。 （三）工作文件窗口简介（三）工作文件窗口简介工作文件窗口工作文件窗口是各种类型数据的集中显示区域。窗口最上方显示工作文件名称，

3、下面一行是常用工具栏，提供各种运算功能。工具栏下方的长条空白框显示的是有关当前数据的基本情况，如数据区间（Range）、样本期（Sample）等。（四）时间范围的调整（四）时间范围的调整v 在软件的应用过程中，经常需要追加数据或对变量进行预测，而新增加的数据或预测的结果将会超过原先设定的起止日期，此时需对工作文件的时间范围进行调整。v 在工作文件窗口的工具栏中，选择ProcStructure/Resize Current Page ，然后在弹出的对话框中输入新的观测起止时间即可。注意，如果新输入的起止时间未包含以前的设置，Eviews将会要求用户确认，因为未包括部分的数据会丢失。二、序列对象基

4、本操作二、序列对象基本操作v （一）序列的建立和打开 v （二）序列对象窗口简介 v （三）序列数据的录入、调用和编辑 v （四）序列的复制与排序Eviews 7.1中共有17种功能不同的对象。包括系数向量（Coefficient Vector）、序列（Series）、方程（Equation）等。最常用的为序列和方程对象。 （一）序列的建立和打开（一）序列的建立和打开 1、序列建立：工作文件建立之后，应创建待分析的数据序列。点击工作文件窗口的工具栏，ObjectNew Object，屏幕出现对象定义对话框 2、序列打开：直接双击选定的对象打开在工作文件窗口点击ViewOpen Selected

5、One Window打开在工作文件窗口中点击Show或在主窗口中点击QuickShow后，输入需要打开的对象的名称打开。对象定义对话框（二）序列对象窗口简介（二）序列对象窗口简介对象窗口用户显示对象包含的内容，既可以是数据，也可以是有关计算结果。假设建立了一个名称为x的序列，打开该序列后的序列对象窗口如图 ：序列对象窗口（三）序列数据的录入、调用和编辑（三）序列数据的录入、调用和编辑1、手工输入 打开一个序列对象窗口。在工具栏上点击Edit+/-进入编辑状态，此时用户可以在相应位置输入或修改序列观测值。2、调入已有数据文件Eviews 7.1支持三种格式的数据文件：文本格式（ASCII）、Lo

6、tus和Excel工作表。调入已有数据时，用户点击ProcImportRead Text-Lotus-Excel，然后找到并打开目标文件。（四）序列的复制与排序（四）序列的复制与排序序列复制序列复制v当需要复制的序列没有在工作文件中打开或者该对象窗口没有被激活时，可以在主菜单中进行复制，方法是ObjectCopy Selected v当复制源序列窗口打开并被激活时，直接点击对象窗口工具栏中的ObjectCopy Object 序列对象窗口序列复制对话框（四）序列的复制与排序（四）序列的复制与排序序列排序序列排序当需要对序列数据进行排序时，可以在工作文件窗口中点击ProcSort Current

7、 Page，系统弹出序列排序定义对话框 用户需要在Sort Key(s) 下面指定排序关键字，即以哪个或哪几个序列为基础进行排序。对于以多个序列为排序关键字的情况，各个序列之间以空格相间隔。需要注意的是，如果工作文档已经按日期排列，那么，排序操作通常会破坏观测值与日期的对应关系。 序列排序定义对话框三、序列分析常用操作三、序列分析常用操作v（一）样本 v（二）生成新序列v（三）绘制图形 （一）样本（一）样本在建立工作文件时，系统默认的样本期为整个观测期，即用户给定的起止日期。当需要对某个时间段或符合某种条件的观测值操作时，就需要更改样本期。 点击主菜单的ProcSet Sample，或者直接点

8、击工作文件窗口工具栏的Sample按钮，屏幕出现样本期定义对话框 样本期定义对话框如输入1990 1995 2000 2010，表示选择19901995年以及20002010年的观测值构成样本 （二）生成新序列（二）生成新序列序列一般是工作文件中已有序列的函数，可由已有序列参与特定运算产生。在主窗口菜单点击QuickGenerate Series或点击工作文件窗口工具栏中的ObjectGenerate Series，系统弹出建立新序列对话框 赋值语句的左侧可以是目标函数，也可以是目标函数的某些函数。举例来说，通过已有序列x、y生成新序列z，下面两种表达是等价的。z=2.5+log(x)-2*y

9、z+2*y-2.5=log (x)需要注意的是，在上述赋值语句中，新序列的名称，如z,只能在等式的左边出现一次. 新序列生成对话框（三）绘制图形（三）绘制图形在对序列进行分析时，图形是我们认识规律最简便的工具。在Eviews中，点击主窗口菜单QuickGraph 图形定义对话框四、描述统计分析四、描述统计分析 v（一）描述统计v（二）描述统计检验 v（三）分布图 （一）描述统计（一）描述统计首先将待分析的序列打开，进入序列对象窗口。序列对象窗口中的ViewDescriptive Statistics & Tests 菜单项，前三个子项：直方图和统计量（Histogram and Stats）、

10、统计量表（Stats table）、分组统计量（Stats by Classification）能够给出数据的基本描述统计量。序列的分组描述统计分析是将样本期分为若干子集后，对各组观测值分别进行描述统计。选择ViewDescriptive Statistics & TestsStatisitics by Classification，屏幕出现分组描述统计定义对话框 分组描述统计定义对话框（二）描述统计检验（二）描述统计检验在下拉菜单View Descriptive Statistics & Tests中，中间两个子项：简单假设检验（Simple Hypothesis Tests）和分组齐性检验

11、（Equality Tests By Classification）能够给出数据的基本描述统计检验。简单假设检验，点击View Descriptive Statistics & Tests Simple Hypothesis Tests。分组齐性检验包括均值检验、方差检验和中位数检验。与分组描述统计过程类似，用户要在图中给出的对话框中指定分组变量、检验类型和相关参数。简单假设检验定义对话框分组齐性检验定义对话框（三）分布图（三）分布图选择ViewGraphs，菜单下包含三个子项。屏幕出现如下图所示的图形选项对话框，图像类型选择Distribution，具体还能选择不同的子类型的，包括：直方图（

12、Histogram）、核密度估计图（Kernel Density Graphs）、经验累计分布函数图（Empirical CDF）、经验生存函数图（Empirical Survivor）、经验分位数图（Empirical Quantile）等等。分布图对话框5.2 时间序列分析实例时间序列分析实例 v一、指数平滑法实例 v二、趋势延伸法实例 v三、季节指数法实例 一、指数平滑法实例一、指数平滑法实例v（一）一次指数平滑 v（二）二次指数平滑 （一）一次指数平滑（一）一次指数平滑一次指数平滑又称单指数平滑。预测过程中添加最新的样本数据后，新数据应取代老数据的地位，老数据会逐渐居于次要的地位，直至

13、被淘汰。这样，预测值总是反映最新的数据结构。Eviews 提供两种确定指数平滑系数的方法：自动给定自动给定系统将按照预测误差平方和最小原则自动确定系数。如果系数接近1，说明该序列近似纯随机序列，这时最新的观测值就是最理想的预测值。人工给定人工给定如果序列变化比较平缓，平滑系数值应该比较小，比如小于0.1如果序列变化比较剧烈，平滑系数值可以取得大一些，如0.30.5若平滑系数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预测一次指数平滑实例一次指数平滑实例例如，某企业食盐销售量预测。现在拥有最近连续30个月份的历史资料，如下表。是预测下一月份销售量 月份销售量月份

14、销售量月份销售量126.71125.72127.6229.51230.92229.93291331.52330.2429.91428.12430.3532.21530.82530.8631.41629.52628.8725.71729.82730.8832.118302832.2929.11929.92931.21030.82031.53025.4 某企业食盐销售量 单位：吨一次指数平滑实例一次指数平滑实例第一步是建立工作文件和录入数据。生成了一个样本期为130的序列，命名为SALES。第二步，绘制序列图形。在序列对象窗口中，点击View Graph，图像类型选择“Line & Symbol”

15、。得到图像：25262728293031323351015202530SALES某企业近30个月的销售量动态图从图中可以看出，这个企业近30个月的销售量并不存在明显的趋势，并且没有明显的季节趋势。因此，从直观上判断可以采用一次指数平滑法对企业下个月的销售量进行预测。 一次指数平滑实例一次指数平滑实例第三步，扩大样本期本例要求对下一个月的销售量进行预测，而工作文件的样本期是130，在Eviews中要求先更改样本期。更改样本期的操作在本章第一节已经讲过，这里将样本期改为131。第四步，进行指数平滑一是在主工作文件窗口打开的情况下，点击主窗口的QuickSeries StatisticsExpone

16、ntial Smoothing二是在序列对象窗口中点击ProcExponential Smoothing。点击后屏幕出现如图的指数平滑对话框。指数平滑对话框一次指数平滑实例一次指数平滑实例Single：一次指数平滑Double：二次指数平滑Holt-Winters-No seasonal：Holt-Winters无季节模型Holt-Winters-Additive：Holt-Winters季节迭加模型Holt-Winters-Multiplicative：Holt-Winters季节乘积模型平滑系数（Smoothing Parameters）包括Alpha，Beta，Gamma。 本例中，分别

17、指定Alpha的值为0.3和0.5。当指定平滑系数为0.3时，预测的残差平方和为137.297 8；当平滑系数为0.5时，预测的残差平方和为165.0685。因此这里选择平滑系数为0.3时的预测结果。根据一次指数平滑方法的预测，该企业下个月的销售量应为29.2吨。（二）二次指数平滑（二）二次指数平滑二次指数平滑又称双重指数平滑。相对于一次指数平滑，二次指数平滑可以预测有一定线性趋势的序列，其预测期也长一些。年份客运量年份客运量年份客运量年份客运量197825399319877464221996124535620051847018197928966519888095921997132609420

18、0620241581980341785198979137619981378717200722277611981384763199077268219991394413200828678921982428964199180604820001478573200929768921983470614199286085520011534122201032695081984530217199399663420021608150101135263191985620206199410928832003158749719866882121995117259620041767453 单位：万人例如，我国197820

19、11年全社会客运量的数据如下表所示。试根据此资料预测2012年和2013年客运量。二次指数平滑实例二次指数平滑实例第一步，建立工作文件，样本期为19782011的年度数据。在新建立的工作文件中，生成一个名为X的新序列。打开X序列对话框，将表中的数据录入。第二步，绘制序列图形。从图中可以看到，全社会客运总量存在明显的增长趋势。序列的波动不明显。因此判断，使用二次指数平滑化进行预测比较合适。19782011年全社会客运总量变动情况 二次指数平滑实例二次指数平滑实例第三步，扩大样本期。由于本例需要预测下两年的客运量，因此将工作文件的样本期更改为19782013年。 第四步，指数平滑本例选择二次指数平

20、滑的方法，并让系统自动确定系数。结果如表所示在Eviews给出指数平滑结果统计表时，并没有直接给出对2012年和2013年的预测值。这两个数值保存在系统生成的平滑序列XSM中，用户只需打开该序列就可以看到二次指数平滑方法预测的结果。结果显示，2007年和2008年的客运量预测值，分别为3799372万人和4068785万人。 二次指数平滑结果 二次指数平滑实例二次指数平滑实例首先在工作文件菜单中同时选中两个序列X和XSM，然后点鼠标右键选openas Group。此时，系统将弹出一个类似序列对象窗口的群窗口;最后点击该窗口上方的ViewGraphLine & Symbol。群对象窗口 实际客运

21、量与平滑值序列对比图 二、趋势延伸法实例二、趋势延伸法实例v（一）直线趋势 v（二）曲线趋势 （一）直线趋势（一）直线趋势直线趋势模型是一种最常用，也是最成熟的方法。模型的基本结构为：其中，a、b是模型的参数。 例如，设某市20002010年市场鸡蛋销售量如表所示。试预测2011年该市鸡蛋销售量。 年份销售量年份销售量200036200642200126200748200232200845200340200955200450201056200545 某市鸡蛋销售量 单位：万千克（一）直线趋势实例（一）直线趋势实例第一步，建立一个新的工作文档，文档的样本期为20002010年。生成序列SALES

22、，录入表中的销售量观测值。第二步，打开SALES序列对象窗口，点击View Graph Dot plot，绘制序列散点图 序列散点图 从散点图上可以看出,除去一些波动，该序列基本呈现出一种直线增长的趋势,因而宜采用直线趋势延伸的方法进行预测。（一）直线趋势实例（一）直线趋势实例第三步，生成时间变量T。在进行模型参数的估计时通常要用到最小二乘的方法，其中，观测值就是因变量，序列T就是自变量。 生成这个新序列可以如前所述，通过菜单操作；也可采用命令行的形式生成。如下图（采用命令行形式）：T序列生成命令和取值情况节略 （一）直线趋势实例（一）直线趋势实例第四步，模型估计。在Eviews中最小二乘回归

23、的命令是LS，它的基本书写格式为：“LS 因变量 c 自变量”。其中，c代表模型中的常数项，对于没有常数项的模型可以不写。本例中，使用下面的命令进行回归：“LS SALES c T” ，得到Sales=31.227+2.391T 第五步，进行预测。根据上述模型结果，将T11代入上述模型，计算结果表明该企业2011年的鸡蛋销售额为57.5万元。 最小二乘回归结果（二）曲线趋势（二）曲线趋势经济序列中有很多呈现出曲线变化的趋势。直线趋势的估计比较简单，曲线趋势的估计则更为常用。指数曲线、二次曲线、三次曲线和龚珀兹曲线是在市场经济序列中常见的模型 。例如，某市近9年灯具商品销售量资料如表所示。试预测

24、2007年的销售量。年份销售量年份销售量19988.7200326199910.6200433200013.3200540.9200116.5200650.4200220.6 某市灯具商品销售量 单位：万件（二）曲线趋势实例（二）曲线趋势实例第一步，建立一个新的工作文档，文档的样本期为19982006年。生成序列SALES，录入表中的销售量观测值。 第二步，打开SALES序列对象窗口，点击ViewLine Graph，绘制序列散点图 0102030405060199819992000200120022003200420052006SALES销售量散点图 从绘制出的散点图可以看出，该企业的灯具销

25、售变动呈现规律的加速增长。根据经验判断，要预测该企业下一年度的销售数据，可以使用指数趋势模型。 （二）曲线趋势实例（二）曲线趋势实例ttYablog( )log( )log( )*tYabt第三步，生成时间变量T。这里采用系统自动生成的方法，即：genr T=trend第四步，对因变量序列进行变换。在变化因变量序列之前，首先要弄清楚为什么变换。指数模型的基本形式如下：指数趋势模型通过变换可以变成一个线性模型 ：变换的目的是为了能够使用传统的估计方法估计出模型的参数。 第五步，模型估计。在主窗口中输入下面的命令：LS lsales c t注意，这里实际上是用变换后的序列和时间变量T进行线性回归，

26、估计的结果为参数log（a）和log（b）的值（二）曲线趋势实例（二）曲线趋势实例第六步，进行预测。根据表97的结果，可以得到如下模型：log（Sales）=2.146 3+0.222 5T将T9代入上述模型，求得log（Sales）4.1488。从而可以预测出该企业在2007年的销售量为63.36万件。 线性回归结果 三、季节指数法实例三、季节指数法实例v（一）季节模型的类型 v（二）季节调整 （一）季节模型的类型（一）季节模型的类型季节模型是反映具有季节变动规律的时间序列模型 .季节变动在很多产品市场上都是一种常见现象，最为典型的季节性产品市场如冷饮、服装、空调等。传统的时间序列分析把时间

27、序列的波动归结为四大因素：趋势变动（T）、季节变动（S）、循环变动（C）和不规则变动（I）。 四种变动因素对序列的影响被概括为两个经典模型：乘法模型: Y = TSCI 通常适用于因素T，S，C相关的情形，比如季节因素的 作用随着趋势的变化而改变加法模型: Y = T + S + C + I 通常适用于因素T，S，C相互独立的情况注意：季节模型一般需要3年以上的季度或月度数据。 （二）季节调整（二）季节调整对序列进行季节调整，就是将季节变动从序列中去除。基本思路是： Y/S = TSI /S = TI 或 Y - SI = TI 在序列对象窗口中点击工具栏按钮ProcsSeasonal Adj

28、ustment。（如下图） 包括Census X12法、传统的X11法、Tramo/Seats法和移动平均法（Moving average Methods）。 季节调整选项 （二）季节调整实例（二）季节调整实例月份产量月份产量月份产量月份产量2008.142009.162010.192011.11225272102153638312317464841341958510515521612614620625715716724736818822829842919920926938108101010151022114115119111612512612101214例如，现有某地区某种产品产量近4年的分

29、月资料，试预测该种产品2012年各月的产量 某地区某产品产量 单位：万件（二）季节调整实例（二）季节调整实例第一步，建立一个新的工作文档，文档的样本期为2008年1月2011年12月。生成序列SUPLY，录入表中的产量数据。第二步，打开SUPLY序列对象窗口，点击ViewGraph，选择Line & Symbol图形，绘制折线图 产量变化图 从图形的形状很容易看到，该种产品的产量确实存在非常明显的季节变动。（二）季节调整实例（二）季节调整实例第三步，生成调整后序列。根据前面的方法，生成调整后序列SUPLYSA和季节因子序列JIJIE。这里使用的模型是乘法模型，因此在：季节调整选项所示的对话框中选择的季节调整方法是Moving average Method Ratio to moving averageMultiplicative 季节调整后产量变化情况 月份季节因子月份季节因子（二）季节调整实例（二）季节调整实例月份趋势预测月份趋势预测2012.125.022012.729.67225.74830.52326.48931.4427.241032.31528.031133.24628.831234.19第四步，进行预测。按照乘法模型的理论，当剔除序列的季节波动之后，序列中主要存在的变动因素是趋势。对于趋势，当然可以采用移动