Eviews应用时间序列分析实验手册

1、Eviews应用时间序列分析实验 手册应用时间序列分析 实验手册第二章 时间序列的预处理、平稳性检验二、纯随机性检验第三章平稳时间序列建模实验教程一、模型识别3.4.4.121414二、模型参数估计（如何判断拟合的模型以及结果写法）.19三、模型的显著性检验23四、模型优化25第四章非平稳时间序列的确定性分析27一、趋势分析28二、季节效应分析47三、综合分析53第五章 非平稳序列的随机分析59一、差分法提取确定性信息59二、ARIMA 模型72三、季节模型773第章时间序列的预处理、平稳性检验时序图检验和自相关图检验（一）时序图检验根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该

2、显示出该序列5始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征例2.1检验1964年1999年中国纱年产量序列的平稳性1在Eviews软件中打开案例数据3”、忙kFmImportBluiEkllifi h-L Ti . ji_L Svtiu .Q氐时冋序睢录丄 m1 f:irr诃户:叽、拿PA斗Ciiaff旳常】7 Kki2 1.ui iLtcVai4 f皿loui*f3 FAtsug ji汕町kDfiAo/hKu .V_ .Tfl=t Fili.-CLtse呼：；BE 一 ACMHF nA4图1:打开外来数据Open查找范围Q）： ； 数据 HH H 1 ill牙龜壤稱

3、文怦名.i取消文件类型:U1 files C*.厂 Up date 曲 aulE dirautoiy图2:打开数据文件夹中案例数据文件夹中数 据文件中序列的名称可以在打开的时候输入， 或者 在打开的数据中输入19图3:打开过程中给序列命名韶 EYicTSuig因妲R$iPaiI JuobsiseeI.9S7 lARa W 丽 isF19721973I97iYE陌 IOUT PUTQU5 7-75-2DD72?/iBwlFrqc|Oo)&dtj 世he世am打fr日託创 |De：aLitSort TranspEge Jt-l-J 3gfipl4/-jlnf&e? - Pnl.2图4:打开数据2.

4、 绘制时序图可以如下图所示选择序列然后点Quick选择Scatter 或者 XYline ；绘制好后可以双击图片对其进行修饰，如颜色、 线条、点等EVx回区IRail骥.凹阳阳-荒SdmQb：eGJ 扫阳-王童丹沱guifld .tura.l Stries.LSks-pf .Efljty (!roip fHdi tStruts -La.L =-Li cz 3tlU Statl fiti cs EElimle Ctttatior. . Eci-ima-l 匚 IAIlILine grtrbBut Cr-HfhKY niFitspray niter 图1:绘制散点图幣 EVicTs 0冈F1L.

5、Eia0 m gig Qu；.廿|壯庁衍ih卄 | 口mirwi斜 TBmpLm同 OM叶 nnm_.1 _ P l-lAl IL I J-P -.FI .-I.1 F”-. -1 -_- J- - - n 1I IF- !- _ 一 - 4 4PD.WD甘ID.1D-U ,p,1D137010SO1DawkF* 朴=r- HF = ii WP =阳录1 g图2:年份和产出的散点图图3:年份和产出的散点图（二）自相关图检验例2.3导入数据，方式同上；在Quick菜单下选择自相关图，对 Qiwen原列 进行分析；判定该可以看出自相关系数始终在零周围波动， 序列为平稳时间序列。EYitTSAbT

6、lazStC- Etit-L zti 25 EElimte Critatior. .f- Ekt?UipJ. . _ jELrale Seriel. 諭宀 充apEEriL Lv oUil (Eli I Scrips315ffF =阳银1 4IJtlL t Eo*t lElt.,EQnrnl 3 al /mn-iibi nfix i-clx-hrc s ft EiLUr.cgV-unmtatcF*th 二：；If = nCTU图1：序列的相关分析Series Vaer图2:输入序列名称CorreloraB Specifics., 隧Correlogjran of yiWPHV汇w詡ibPiii

7、b- PliC ist di ffereiK广 grii iliLae to incliicie -|Z4Cancel图2:选择相关分析的对象EiPTi： - rSpriRa-： flTTEfl WnrkfilftT IHI. flSI1 0177 -0.177 1.3&43 0.1S7? n 117 -n riK i 和？ n d373 0.172 0.17S 3.3253 03W4 0J13 0.005 3-3435 0.3025 -O.ieZ 013Q 4.5517 0.4226 n DSfi -n oic 5 于i4门 n 4而7 0.X2 0 015 &湖3 D.613a -0.01

8、2 0 053 5.393G 07159 -0 321 -0022 5 4227 0 73610 U.J3UOIJbzjyU.z3d511 0.T90.035.34%0.35612 0core6.17210.30713 n 177O.CMOiIE.35d妙14 U.J* uuyu b.=/4J UJ4?15 -0.T9 -D翊 7一丁:i4 0.95716 -onag o.iT 7 505? 口知 ir II im nnw HdiMrjiM?r*tJi =图3:序列的相关分析结果:1.可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，

9、2期k期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该 P值都5%的显著性水平所以接受原假设，即序列是纯随机序列，即白噪声序列（因为序列值之间彼此之间没有任何关联，所以说过去的行为对将来的发展没有丝毫影响此为纯随机序列，即白噪声序列.）有的题目平稳性描述可以模仿书本33页最后一段.（三）平稳性检验还可以用:单位根检验：ADF, PP检验等;器 EiPTSrSPTi RfT： OnTPTTT Tnrlrfile:7irnTiTl eril畑叫 I Pi 胡 Ejael I 产 ug tifesf1匕LweT up曲怕（j：Name seri&s charnged

10、mrnrpd firwri FAdtfaJ序列Splo4tLjerai_e Strici. _Skew .Ijfty Trtpaf Cf ii t Edits）引u+/11出三i+qI wiife中H】i 七| m引阳W已t丄岀 S*a+ist: d*1968 丽 TAzn Ml tW2 t?73 丽S7013；.D15席?137.7ieL5疋1.Ito1Sisef11】吐0少如1 Stts CqjtcId am.EnotTLiiitiaL Enfla Lhidg. _ .H a cri rJc-1 rc n-lt Filter2irfi9 ? S q- tTTT JirritX = c. r

11、t - nnu 肖？=附录：2图1:序列的单位根检验Unit Kool Test阿区f图2:单位根检验的方法选择口 i14 411 肛gl 归、:law円 Qu 口B肛;PFopiKct PrnU 科中以resW roqenDus Canslm朮Lag Lenh 1 /JOmarii tasfid OflAJC MAXLAG=?jl-StylufliuPruh -At. rirri firMjM d irii r kII - J t-st 勾列同旷n州ETwi criica ；au061 % lt)*el5% 冋2|-Z.961125t04 level-2.S 1431)0WacKiniiwn

12、 (阳旳 me-sided p-filues.AljjriTiuftIjmd iriirk(y-Fiili-f T*il EqijlwnDHpeittidnt VdiidUe: fOUTPlT) p/fithod L&馱 S甲late OCLEjOS Time 19:16Ssmcla1SG6 1930Intlutjedl oteer/ation： J4 atei meritsVarcbleLocfficticnlS11 Err&t Stat DtmcPrabOLTPJTd)D|O)TPlJ7MiJ c .JCE0462 叩242亦 l6.l75eE0 卫222 n 177407 1：.146D

13、,D1631 -1 397416 1 一妙0 957D0 7220 UDR-sq-.sridHMiiiiidhJfl 乐kill用胡JOU田田3 JI riTiwnMan depended v 鴛 n ilpiiP-ndMrir tMiifl2.es9J ?Rr9i补為=叮丽二闻輛，图3: ADF检验的结果：如图，单位根统计量ADF=-0.016384都大于EVIEWS 给出的显著性水平1%-10%的ADF临界值，所以接受原假设，该序列是非平、纯随机性检验计算Q统计量，根据其取值判定是否为纯随机序列。例2.3的自相关图中有Q统计量，其P值在K=6、12的时候均比较大，不能拒绝原假设，认为该序列

14、是白噪声序列。另外，小样本情况下，LB统计量检验纯随机性更准确。第三章平稳时间序列建模实验教程匚亡X l、模型识别1.打开数据1埶1更12 也L丄注1開31龙7igsg 社U1 芮 1111丑511题 1953 1?19S5511 = i ft 二Hf llQb.P TCiTipz HII.II.ILIP tprtf 1.1c: pffjll. &Unr.Mrd：心E| 11INII70EO 5 肖e75 279 G TFlfili34 4 i图1:打开数据2.绘制趋势图并大致判断序列的特征f-上卜Ws iidsw 些|1FxL E lai Db 1 art 幻“吁*口上讥_ .ShEtllR

15、W 尿 g 理 4八 43rkShiiiifelBiKj1出pro匚I i-bjecqSvt_h_ak 二 - Ll 屮 I Gt啊胆 IE i 卑I,弓戈讣凤兀叩厅才：|-| Estinbt TAR_ .PfEjrtam亡 I FEg5d| |L|aut&A (ItiL J. L J. V tlOOtKI=I SjirtlrrAWset Edtt+/-：hs匚T*：* Ji.1: I. . I r 1d呼 obb 1960 19S219631X41更fi_jL&195010ZIffi19SJ1963,9-99 9 0 3 q- 393999DQirX163 5jE3 lhcor vir Wr

16、-L 5图3:输入散点图的两个变量21韶 HTiers.2 IliT QiiZ蛮事斗 irx ftiiirX n里 i 筑巧 II hl .1mEl眇hi LUIIILUU VoEttilai M孟 1” 叭血tilMd 口亘図Qi o 1 2=Rff?l 叫畑恤口匚I Qb严tj| Plirt fpJamel ftOdim或|lJngJ5lwdm |Rgfnci呻TmnglMTgptcng 空币1 1图4:序列的散点图313. 绘制自相关和偏自相关图制 ETiersCiLbC *Lt Sirici .She* -CjU】iInplT Gra 邛h屯 Sorrea. EtOfTftli W S

17、laLlVn: t Loot T-zf .HznarjeiiLL亡 SncuLSiiz.HlrLct-r zcail TillairDQCK3351fi3llT1 0恥3?D5E06|vret-E btiLstics Ectlribtfr Eqgtw ._EstinaLc MKE_ .地El Lj PfM hdrrvj F 田品（倚弓jt耳仙IYbAH195019611962 1953 1AC4 陛1岳L 1務厂 1953 邮1策019511952图1：在数据窗口下选择相关分析图2 :选择变量图3 :选择对象FTnrtfi irT PHil,snitTileriT口珥3 Elit 旳认秋m帖叶

18、* Froc| Ctiectd Frpamei j Ftlnt HaneQuj (k a.Us.5 *1*1*耳HolpiFraezal 5诃cl司Qerr0wt Sts引der廿！Jne Ear |CrrIFTI E DprvDjtu.QOflWa Tnim. 19.49R-mpIp 1W noqIncludedd5111111t1 11匚1111111 11匚111 11 E11 t1 I11 :113 IE1 1111 1111 E11匚11 1P HII1 1! *1匚11I 11 t11 11 C11 E1II 1111AjLAuccitrcliun Pjitrjl tuUtfldM

19、urt1 D./05 a .70(5 25.5? D DCO2 07 a 175 44 192 OCO3 U.feU -QjUJa SE.IbS UUU4 0.255 -a 207 56779 0 000C D.2C0 a.W 62.3J2 D OCOFi n3?n a ni kf is? n mr7 n.251 口 T22 EB.31D nIl tl u.uy -Q 29Q 7D.2bt UUDti9 .0S& -a 123 7D.i5? ODM10 0.LM7 -0.036 7D.S91 0 OtU11 -n ifi3 1B1 71 的=n nm12 0.064 0JO47 71.773

20、DCO12 D.CEg a GDI 72013 OOMU U.QC? 4329 72.j3) D OllJIR n Dfin a ns? 72 =nis n nrm16 -O.cei aw 73.22& 0 00017 .133 Q 071 ?4 EDI DDD lU -U. UH -UJU! Tb.aJJ UUU 巧 0.130 -a 100 77 ；il 000c20 rO.Oe .012 77.3P.1 OCO图4:序列相关图4. 根据自相关图和偏自相关图的性质确定模型类型和阶数如果样本（偏）自相关系数在最初的d阶明显大于两倍标准差范围，而后几乎95%的自相关系数都落在2倍标准差的范围以

21、内，而且通常由非零自相关系数衰减为小值波动的过程非常突然。时，通常视为（偏）自相关系数截尾。截尾阶数为do本例:自相关图显示延迟3阶之后，自相关系数全部衰减到2倍标准差范围内波动，这表明序列明显地短期相关。但序列由显著非零的相关系数衰减为小值波动的过程相当连续，相 当缓慢，该自相关系数可视为不截尾偏自相关图显示除了延迟1阶的偏自相关系 数显著大于2倍标准差之外，其它的偏自相 关系数都在2倍标准差范围内作小值随机波MA模型：xtMA (q)* B) tMA (q)* Bqt动，而且由非零相关系数衰减为小值波动的过程非常突然，所以该偏自相关系数可视为自相关系数偏相关系数模型定阶拖尾P阶截尾AR(P

22、)模型Q阶截尾拖尾MA ( q)模型拖尾拖尾ARMA(P,Q)模 型阶截尾所以可以考虑拟合模型为 AR(1)P tAR(P)* BP具体判别什么模型看书58到62的图例。1AR模型：xt21 AR (1)* B AR (2)* B22 (1 MA (1)* B MA (2) * BARMA 模型：xt1 MA (1) * B MA (2)* B22p1 AR (1)* B AR (2)* BAR (P)* B(其中模型中的ar(1)MA (1)表示的是求出来的系数。就是常数项)、模型参数估计根据相关图模型确定为 AR(1)，建立模型估计参 数中按顺序输入变量exar(1)选择LS参数估计方法,

23、在 ESTIMATEex(-1)或者 ex e查看输出结果，看参数显著性，该例中两个参数 都显著。细心的同学可能发现两个模型的 C取值不同， 这是因为前一个模型的 C为截距项；后者的C 则为序列期望值，两个常数的含义不同。討p*GagwIp Sdtri AEShov上LP ly % a 今（S lid *L -h. 3vk” Prot| ?b|Istj-rial-e *AH.L SjtlTVhhpXtJ gdlL+HSi：J*L【i咗Raiiyu.Pii tilde-hmlRYEAR! UiThtle1in 1 C 1 J -di伽ijse1斷 I 1细1M9 1曲U 11 Ui3VEARex

24、1眄口子1时19513 1195271 0|1943Zb. 3135470 51355和5135Drae195775 2igB59 1195971 4196D7 J. 6iqtl7n nfith = s = nut fT fftJfti 5图1 :建立模型QIal 1 on EstiftationSpeci fi cationEoTi sp eci f i cit i p 邛h屯 Sorrea.如希n晟Hi.BE amp： UIIITSeries StttLstics GctE 3tit LstlCS|. I X二LtdSEl ,Xy 5 1 O- -3 5 6 G 2-1/ 6 B 4 cm

25、 3!花知引旳再田亓帀衲别v _U1 2-_J4 sc 7-0 -Q.- O1 竹巧史史克茫逻込史耳更氐疋疋1 1 1 1 1 C- 1 1 一 1 一 1 1 1 1L-1 - y-嗨3亟19E9loeu惟1i曲匚b：|gtt| PHnt:r3rw；FBege| kult:SbtjrTanspq胡GX图4 :建立模型图5:输入模型中变量，选择参数估计方法Yi制|frK|ObiM片罠|陛四|f空珂适rrvag 射aaj抚七H.孙ris |JF 盼I Mr Pf =. -ilT ；用爭 1 VVR(t=nri st6t0 495390 Q404420 i 053523 757.&933 -13.

26、33591 G4CI237Mften dependent 粕rS.D d即Akiit# ir (o 口忖riun ScTWsn: crieri in F-itglistic PiTh(Haiii=ti 匚)HI 40333 5 也 7276 5.e6C2e? 575e23 紂 1E091 O.Drirrii i血旬 Lmd AR Rmls.70HTiewsE.：aiQhjHLtree fl.iirt flif.rs 血诃为 ：Mi Equation; tUHTLEP forkfilc BXUntitled .匸回團Dp(jndnt VarisUe： CXNfeThDd: Laast Squar

27、e & ate: DJ/l 5/Ua ：irre. 1比4Striple (詞U恥efl 1 iJtil I9yjki匚lulled utntdal un& 竝 dAel adiUslrnelit C-jrivt*riiicv MCh y丫凶3 kwrtiGriB图6:参数估计结果AR模型：xt81.32034 1 0.703332B 、模型的显著性检验检验内容:整个模型对信息的提取是否充分;参数的显著性检验，模型结构是否最简。 MeId. ! Whj.cl 0 BP Frau gui. f Ic * a am i-.dav 里 ad. 凸* 匚严少巳 FV3cjpg|gEt严gp亡rtea

28、丹亍:日Ian牛|fr士缸| jpgiaut壬 j Sort 隹日比十卜 5呷1+-|.凸1凹4-十 | bVde*卜| trigEl| 1 Itfe5amajSj：=Erjuf-d-TlGil ri/l T IT -361BB0195I15621务31554T髯C1卯1亜日_p15G01旳1侵4 1汨fa临fi1祜1站919?U1B71应7nn-oNA -15 75336 不驷阴 ?脅机I 孑.炳3 丁 0G.71ftf=h45 7. IJ317D 0 690383 -.915713 -1.326391ZWscTFJn h 3537 pa茹页 0.9730330.1170352 623632

29、 -0.303C3DI.HUb3d0.335I FalX - a m -n J -rafTC-图1：模型残差KWinrfc - ISpri j;：t： RES TVInrlrfTlc: W i - BynnTi 11 cdlfl IfPliX口 FiE- d-t Obj创t VWn lYg q-JLLUi;ilt!hLrLliACDMHn)b I1II11 -OOS1erei口皿刃.5161D ?13 t2 0 1370 1201 36耳030iJ II 13 U.13?U 1622.2723U.S1B匚1qq1 d D E0.1753.99370.40713 11S 0 120Q05C4.9

30、2100.12&111p -nnnr374刁卩可n命31=111bl? 21S(1正27 73D2ES7111I e 0U24U.CDb/沁!U.却i1iJ*9 0 077I.D1D7 9D3GD.5S31 11*110 00殆0.176日.19690.6101 E11111 -n 177-0 rvfi9巧去n ann111I 12 -0 0370.LP10.J3190.&741p 11b i15 00540 no9狛？5D.74Idi I14 -O U33G.lSGg/u砒LI.鸟 911 n1i 15 onnoil呻min RiE1flhi f16 0 030 omi9 一鬭o.ee?1

31、ts1(i17 -a 0 3GO.C2210 303.ESQinDrID 4J.U_y-LI.UJ2IU.LHULI.M1 1 !IS 0 0?70.D1B10 500.9371 !IIi1 20 )023I.D7010 DI?D.&5&J图2:残差的平稳性和纯随机性检验对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于零，Q统计量的P#值都远远大于 0.05，因此可以认为残差序列为白 噪声序列，模型信息提取比较充分。常数和滞后一阶参数的 P 值都很小，参数显 著；因此整个模型比较精简，模型较优。四、模型优化当一个拟合模型通过了检验， 说明在一定的 置信水平下，该模型能有效地拟合

32、观察值序列的 波动，但这种有效模型并不是唯一的。当几个模型都是模型有效参数显著的， 此时 需要选择一个更好的模型，即进行优化。优化的目的，选择相对最优模型。 优化准则：最小信息量准则( An Information Criterion ) 指导思想似然函数值越大越好 未知参数的个数越少越好AIC 准则的缺陷 在样本容量趋于无穷大时，由 AIC 准则 选择的模型不收敛于真实模型，它通常 比真实模型所含的未知参数个数要多AIC nln( ?2) 2(未知参数个数 )陆 V 再=Hiiwl工 *in: nWT.r tj. HJtfi E fc f 1 L?Itt 就 1 51 flrrt it 1

33、尸曲口巨岡 PaL* Z liteit I Wef旧怦i日知目| ff?izi dk口L-L C-ILE也 131.3骨fCrr5 Fbflceetl凱日怙贋血曲！2 m MDEpaiidn1 Va-Hatie CX r/eOhod LeesE Squmee Dr- 口3M10 Tiie ?1 ?nSmplA acjusItRd)-归5?1 号咬iIrKludd otervffionsEt即 mdiust帕寻 nt三Vafrtbi#C06(fit entSid. Effor i StilielicProb.C3uD.luliaobU54Ub 虫U.LUULc减0n何ID0 inizfl? A.

34、?inn7CI.H2Pc18& 329532 A?131ACl. COSER aquSreiitl 7 07 753M-=urt du-0APhdu-uaF6d ie9-d337.9632StWvflFt CKrterk-n5.05&*?1Log lhl imd玄网7E3 27ie7fl$1G11 9260pf讪F狀wt剧诃）D.OOCOK1Pai)L * d1 m - m .r ft - m的 GSBCnIn( ?2)In（ n）（未知参数）但是本例中滞后二阶的参数不显著，不符合 精简原则，不必进行深入判断。35第四章非平稳时间序列的确定性分析但 稳的， 因而对 人们创造第三章介绍了平稳时间

35、序列的分析方法， 是自然界中绝大多数序列都是非平 非平稳时间序列的分析跟普遍跟重要， 的分析方法也更多。 这些方法分为确定性时序分 析和随机时序分析两大类， 本章主要介绍确定性 时序分析方法。平稳/丿八、序列的两个构成序列均平稳，平稳时间时间序列一个序列在任意时刻的值能够被精确确定 （或被预测），则该序列为确定性序列，如正弦 序列、周期脉冲序列等。 而某序列在某时刻的取 值是随机的， 不能给以精确预测， 只知道取某一 数值的概率，如白噪声序列等。 Cramer 分解定 理说明每个序列都可以分成一个确定序列加一 个随机序列， 非平稳时间序列则至少有一部分不平稳。 本章先 分析确定性序列不平稳的非

36、 的分析方法。确定性序列不平稳通常显示出非常明显的 规律性， 如显著趋势或者固定变化周期， 这种规 律性信息比较容易提取， 因而传统时间序列分析 的重点在确定性信息的提取常用的确定性分析方法为因素分解。分析目 的为：克服其他因素的影响，单纯测度某一个 确定性因素的影响；推断出各种因素彼此之间 作用关系及它们对序列的综合影响。、趋势分析绘度显绘（一）趋势拟合法1.线性趋势拟合 支出数据澳大进觀析口果测1981-1990年每季度消费OiJit.tie“料 ijt Hu -丸口三tMP口angv I 4LI 4U abE Samplr I Q = JO 川用更IE I兮 id MlPioc jiDb

37、 tctj Pri-t|-arT-e|Fr5ff-r| ”凶右血* 1i Oti5Tlzcl1110441I】丄i151I 1Tj旳用 114_49&901S911E1eyit/1F?圧 53E136孟別1g9a?971sID匪茁1T1 19C5I112応巾1；213qipo1M1口14=1 1515974G1-41-4Ifcin“k，-岂 pE-nnrgwr-整才刖皿治办Wte ：.一图1:导入数据BlBlEaotre罄一MmfeGiiirl- CtinriS ft-jorvM hpHZL2两4阅0C 0414 9?-5 86791 Rcqri LVH|彌-cfObjrHI 朮|血T 气世亘

38、皿和亍问世叱II1 JLUUIKCOMCOOimuXCO2占 IQ t. ?Q 2530 生 4tj兀k 训 PB - ring - WF - Bfc；t5秫IF俺聖* 出图2:绘制线图，序列有明显的升趋势长期趋势具备线性升的趋势，所以进行序列对时间的线性回归分析。41Spc C i f i 匚 a t i on Op t i crt百 Jr Eiut 1 ozi sp ecL f i cit iJependent vaori atl* foXXowd ty li st q re grezzovs and TDL teym. OR an QKplicit equation Like-Estim

39、ation settinssLaat Squu*! 皿S and 龈1A)Sample 1 40Is取消I图3:序列支出（zc）对时间（t）进仃pm【8jwt I Firt I 血me jFruJFu Estirr 口t七(尸0匚；0丈| 包t士RcatjsjZ3pi.Tleyi 尸 rpcjs!d岡 c c w 1 hJ 匣awsVioiv rrflCsuableCo&HiciGrt Sid Error t-Starie:(c ProhSSBjKB1V.9174E1.e2150O.0CO312251E.0E21 阳伍亚印 JO.0CO30e Eit Aiect iSiew 却审 应ii吐 C

40、cirre 嫌dwj ttefcrepncerr Wti州仪 JC hlha J. Uasl Equ-dres Cdte. 0301 rtT Tune. 12:52 n7-4 Eafflple： 1 40冨黑丿口蹋 IrciLdedo-bsftrvitiona； 0E ccftiAodO.aSEfflIMosn Mflp end out vir1C3257GAdj Let ed R-equsrfdd的亚E . dependent war112d273S E nffpcr&wsmn症了田03AAikp fnk cntnicr15 00474Suit scuffed resid696035匚Srh

41、wgri criterionlEOeSldLjg liktliMud-2Se C94BF-st6lisiic21.1291Curbiiii-AMbcii 山 1：3.21EX4Put)r-td1i&lic)Oi.DOOCOD4:回归参数估计和回归效果冋iiw刑n兀rwJ市兀a丈利他肖贵jg旺-评价可以看出回归参数显著，模型显著，回归效果良好，序列具有明显线性趋势。-Forecast ofEquUiorUWITTLEDS*riZCrSeri65 namesrM&thodPcastSttic forecast Cnc iyriOTics ifi a nil d t T B-ii-i pFcredist sampleT 40OutputIF