EVIEWS时间序列实验指导上机操作说明

1、时间序列分析 实验指导实验一实验二实验三实验四实验五实验六实验七实验八EVIEWS中时间序列相关函数操作确定性时间序列建模方法时间序列随机性和平稳性检验时间序列季节性、可逆性检验ARMA模型的建立、识别、检验ARMA模型的诊断性检验ARMA模型的预测复习ARM健模过程-17 -20 -25 -28 -29 -31 -实验九时间序列非平稳性检验-33 -实验一 EVIEWS中时间序列相关函数操作【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作 。【实验内容】一、EViews软件的常用菜单方式和命令方式;二、各种常用差分函数表达式；三、时间序列的自相

2、关和偏自相关图与函数；【实验步骤】一、EViews软件的常用菜单方式和命令方式；创建工作文件1菜单方式启动EViews软件之后，进入EViews主窗口在主菜单上依次点击 File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率(frequency )、起始期 和终止期。选择时间频率为Annual (年度)，再分别点击起始期栏(Start date ) 和终止期栏(End date )，输入相应的日期，然后点击0K按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口。,另一个是残差序列RESID(实际值工作文件窗口是 EViews的子

3、窗口，工作文件一开始其中就包含了两个对 象，一个是系数向量C (保存估计系数用) 与拟合值之差)。CREAT命令，也可以建立工作文件。 起始期 终止期2. 命令方式在EViews软件的命令窗口中直接键入 命令格式为：CREATE 时间频率类型 则菜单方式过程可写为： CREATE A 1985 1998输入Y、X的数据1. DATA命令方式在EViews软件的命令窗口键入 DATA命令，命令格式为:DATA <序列名1> <序列名2>v序列名n>本例中可在命令窗口键入如下命令：DATA Y X2鼠标图形界面方式在EViews软件主窗口或工作文件窗口点击 Objec

4、ts/New Object，对象类 型选择Series，并给定序列名，一次只能创建一个新序列。再从工作文件目录 中选取并双击所创建的新序列就可以展示该对象，选择Edit + / ,进入编辑状态，输入数据。生成log (Y)、log (X)、XA2、1/X、时间变量T等序列在命令窗口中依次键入以下命令即可：LOGY=LOG(Y)LOGX=LOG(X)X1=X2GENRGENRGENRX2=1/XT=TREND(84)GENRGENR选择若干变量构成数组，在数组中增加变量。在工作文件窗口中单击所要选择的变量，按住Ctrl键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单

5、中点击 Open/as Grou p,则会弹出数组窗口，其中变量从左至右按在工作文件窗口中选 择变量的顺序来排列。在数组窗口点击Edit + / ,进入全屏幕编辑状态，选择一个空列，点击 标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量增加变量后，即可输入数据。点击要删除的变量列的标题栏，在编辑窗口 输入新变量名，再点击屏幕任意位置，弹出RENAM对话框，点击YES按钮即可。在工作文件窗口中删除、更名变量。1在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出 的快捷菜单中选择Delete (删除)或Rename(更名)即可2在工作文件窗口中选取所要删除或更名的变

6、量，点击工作文件窗口菜单 栏中的 Objects/Delete selected ( Rename selected )，即可删除(更名) 变量3在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的 Delete按钮即可删除变量。三、图形分析与描述统计分析利用PLOT命令绘制趋势图在命令窗口中键入：P LOT 丫也可以利用PLOT命令将多个变量的变化趋势描绘在同一张图中，例如键入 以下命令，可以观察变量 丫、X的变化趋势PLOT 丫 X利用SCAT命令绘制X、丫的散点图在命令窗口中键入：SCAT X 丫则可以初步观察变量之间的相关程度与相关类型、各种常用差分函数表达式表1-1:194

7、9年1月-I960 年12月数据1949年1950年1951年1952年1953年1954年1955年1956年1957年1958年1959年1960年11121151451711962042422843153403604172118126150180196188233277301318342391313214117819323623526731735636240641941291351631812352272693133483483964615121125172183229234270318355363420472613514917821824326431537442243547253571

8、4817019923026430236441346549154862281481701992422722933474054675055596069136158184209237259312355404404463508101191331621912112292743063473594074611110411414617218020323727130531036239012118140166194201229278306306337405432(一)利用D(x)命令系列对时间序列进行差分(X为表1-1中的数据)。1、 在命令窗口中键入：genr dx= D(x),则生成的新序列为序列x的一 阶差

9、分序列2、 在命令窗口中键入：genr dxn= D(x ,n),则生成的新序列为序列 x 的n阶差分。3、在命令窗口中键入：genr dxs= D(x,0,s),则生成的新序列为序列x 的对周期长度为s一阶季节差分。4、 在命令窗口中键入：genr dxsn= D(x,n,s),则生成的新序列为对周 期长度为s的时间序列x取一阶季节差分后的序列再取n阶差分。5、 在命令窗口中键入：genr dlx= Dlog(x),则生成的新序列为x取自 然对数后，再取一阶差分。6、 在命令窗口中键入：genr dlxsn= Dlog(x,n,s),则生成的新序列为 周期长度为s的时间序列x先取自然对数，再

10、取一阶季节差分，然后再对序列 取n阶差分。在EVIEWS操作的图形分别为：*=E:KIIK坦 U £1!?事 f!址 r 口 丸100-15050 _0-50.-100 4950 5152 535455 56 5758 59 6015(-150100500.-50 _-10049 505152 5354 555657 58596080604060I DX2|4020 _0 -200.100.05 -0.00 -5354555657-400.15 -49fDX12110.3-0.3IdXIfJM J11川i"L II 1】h 1AJ r.''1打*rl|ijI

11、jI11 DX120.2 .0.1 -0.0-0.1 =-0.2 -I DLXl-20 ,.,49505152535455565758596049 50 5152 53 545556 575859 60、时间序列的自相关和偏自相关图与函数（一）观察时间序列的自相关图。命令方式：（1）在命令行输入命令：Ide nt x（X（2）然后在出现的对话框中输入滞后时期数。菜单方式：（1 ）双击序列图标。菜单操作方式：View >Correlogram，在出现的对话框中输入滞后数。（可取默认数）（二）练习：观察一些文件中的序列自相关函数相关函数 Partial autocorrelation为序列名

12、称）；（可取默认数）Autocorrelati on ，偏自的特征练习1:操作文件：Stpoor1.wf1（美国S&P500工业股票价格指数1980年1月 1996 年 2 月）步骤：（1）打开该文件。（2）观察序列stpoorr的趋势图，自相关图（自相关函数，偏自相关函 数）的特征。（3）对序列取一阶差分，生成新序列 dsP： genr dsp=d（stpoor），并观 察其趋势图，自相关图（同上，下略）的特征。dinsp : genr（4）对该序列的自然对数取一阶差分，生成新的序列dlnsp=dlog（st poor），并观察其趋势图，自相关图。 Prrinn: ETPOOF To

13、rkfi1c: SIFOOR*!MF凶IgSericBJ STFOOS Torkfile: SIFOOEI回冈Ui a臂 I fr o二s 01:寸 sets Print N-ane | Fre亡匸亡SLeet j Stats 11 dent I Lin& Il Ba |Correlogram of STPOORDot& 02/14/07 Trie- 11J0Ssmple laSO'OI 1902Included ooseations 194Autocorelation Partial or&ationAC PAC Q-Stal Prob=10 976 0.97

14、5187.370.00010矽0.023367.01O.OCQ30 9iS -0 03?S33.E70 00040 9060013702 760 0005O0S50 020860 510 000<50 &E4 ”0 0051011 10 00070 8450 0241156 20 00080 825 -0 0111295 40 0009'01SQS0 0231423 40 00010'0i 7510.0251553 00.000110 7760 0211fi34 10 000120 7620.0101805 50.0000,15-10.10-O'OIS-J

15、M.S&rieg： DLMSP回区!Correlogram of DLNSPDate 02.14.07 Time 11.22Sample 1930 01 199住 02Included dbser-ations' 193AC PAC Q'-Stat ProbAutocorrelation Partial Correlation'L10 293OI29017.3920.00020>001-O' ©9617 392oooo3-0 113©cm19 9270 0004iO'3SOi 102320 2150 000501047O

16、i 104920 S550 0015Oi iO2S -Oi i01550.3130.00IE I7 -0 1039 -0i I04SS -0 105 -0i 107310 -0(027 -Oi 104011 0 019 Oi iO1S仁-0 133 -Oi 1&421.12723 35323.制23 S1623.35127.&490 004 oo'oa 0.005 0 008 0.013 O.OOG练习2:操作文件：usagnp.wf1（美国1947年第一季度-1970年第四季度GNP数据）步骤：（1）打开该文件。观察序列usagdp的趋势图的特征，自相关图的特征。对该

17、序列取一阶差分，生新的序列dgdP： Genr dgdp=d（usagdp）。 观察其趋势图，自相关图。dingdp : Genr(4) 对该序列的自然对数取一阶差分，生成新的序列 dingdp=dlog(gdp)。观察其趋势图，自相关图。(5) 对序列一阶季节差分，生成新序列 dsgdp=d(usagdp,0,4)观察其趋 势图，自相关图的特征。(6) 对该序列的自然对数取一阶季节差分，生成新的序列： dsin gd p=dlog(usagd p,0,4)，观察其趋势图、自相关图。实验二确定性时间序列建模方法【实验目的】熟悉确定性时间序列模型的建模原理；掌握确定性时间序列建立模型的几种常用方

18、法。【实验内容】一、多项式模型和加权最小二乘法的建立；二、单参数和双参数指数平滑法进行预测的操作练习;三、二次曲线和对数曲线趋势模型建立及预测；【实验步骤】、多项式模型和加权最小二乘法的建立；1、我国19741994年的发电量资料列于表中，已知1995年的发电量为10077.26亿千瓦小时，试以表1.1中的资料为样本：(1) 据拟合优度和外推检验的结果建立最合适的多项式模型。(2) 采用加权最小二乘法估计我国工业发电量的线性趋势，并与普通最小二乘法估计的线性模型进行比较，列出OLS方法预测值和 W=0.6,W=0.7时1992到1995年预测值以及相对误差。74-7879-8384-8889-

19、9394-9516682820377058489281195830064107621210077.262031309344956775223432774973753925663514 I 54528395 I操作过程： 建立 WORKFILE: CREATE A 1974 1995生成新序列丫： data y生成新的时间趋势序列t : genr t=trend(1973) 建立系列方程：sm pl 1974 1994Is y c tIs y c t t2Is y c t t2 t3剝 Eliews回冈CREATE A 19741995data y歹1 二iFrocJ恥曲jLddJ7|sii前氏

20、七曲机处订Range 1974 1995 Filter. * Default Eq. Hone5 日 mpl& 1 勺Ml 395 cS resid0yF总th = nt V&vi ews3 |0E - norLe |iT = untitl&iv|Sation; EQOllorkfile: DHTITLEDL 口兰IVi |Fi-QCij|ohj ects| Friat J|Fame|Freeze| |Estimate jpor ecast |stat 订氐sidw jDependent Variable' YMethod' Least SquaresD

21、ale, 02/16707 Tim匕 11:11Sample. 1974 1394Included abser/atiams. 21VariableCoefficientStd Error tStatisticProbC633.0524262 42032.4313350.0251 =T344 G53220.391573ie.4907G0.0000Rsquared0 934696Mean dependent var442S 23BAdjusted R-squared0 931259S D d&p&ndent a2211 9S2S.E. of regressior579 452Ak

22、a ike infO'criterion15.65414Sum squared residG390393.Schwarz criterion1S75362Lag liKdihood-162.36&4F-statistic2九科備Durbin-Watson slat0 160011ProbiF-statistic)0 000000 V|鞋aw|rroQEob昶ets| Frint|瓯电|Fraezt| EstimataiForwcast|StaljEa讹sAHiEquation; EQUZ Torkfile: UNTITLEDVariableCoefficientStd Erro

23、rt-StatisticPobC1977.299145.737013.562930.0000T4 71550130 6238S-0 1644360 8789P215 8S0401 347486117S520oooooR*期豳相d0 992500Mean dependent var4429 236Adjusted Rsqiiared0 991675S.D. dependent ar2211 9&2S.E, of regression201,3203Aka ike infvcritenoi13,6S420Sum squared 佗sid733165JSchwarz criterion117

24、3341Log likelihood-139h(x341F-statistic1192 229Dependent Variable. Y Method, Squares Date, t)2/1G/O7 Time, 11.12Sample 1974 1994 Included observations' 211JEqiiation: EQ03lorkfile: TOTITLED口回区：FrocElOhjeets| Print| Name|Freeze| ETore castids |Dependent Variable. Y二Method. Least SquaresDate 02/1

25、GiW Time 11 13-Saniple. 1Si74 195'4Included obserjations- 21VariableCoefficient Std Error t-Statistic ProbC13B7 916976631514 10221OOOOOT233 7641 373044 7.540812 OCOOO卩2-1£ 15132 3 926393 -4 113526 O'CO07卩30 94658 0 117433 3 261420 OOOOOR-squared0 95G50GMean dependent 'jar4429 233Adj

26、usted Rsqtiared0 9?3242S D. dependent var2211.9'62S E of regression92 73&60Akaile info enterion12.0C705Sum squared rsidU6201.3Schvarz criterion12.2600v通过拟合优度和外推检验的结果发现一元三次多项式模型效果最好。首先生成权数序列：genr m=sqr(0.6(21-t)加权最小二乘法的命令方式：ls(w=m) y c t普通最小二乘法命令方式：Is y c t进行预测：打开对应的方程窗口，点 forecast按纽，将出现对话框，修

27、改对话框sample range for forecast中的时间期限的 截止日期为预测期.相对误差的计算公式为：(实际值-预测值)/实际值llEViews-jgj x|ls(w=nn)y CtEDependent Vaiable' Y Method' Least SquaresDate. 0225/07 Time 19.11 Sample 1974 1994Included obseivations. 21 Weighiling senss: MVariableCoefficientStd Errort-StatisticPrabC-4502 331S23 442-7 222

28、4860 0000TG47.675331.8147620.357940.0000Weighted StatisticsR-squared'01990531Mrean depeiident -ar7101 957Adjusted R-sqjareda旳别£3S D d&p&rdint var117&4 39S E. of regression462 6S5Akaiike iinfo criterion1520228Sum squared lesid40S7127.Schwarz criterion15.30176Log likelihood-157.G2

29、39F-statistic414.4416Durbin-Watsan stat'0146'7'697Prob(F-stati£ticl0 000000TiQite lillIlF - unHUed.7Fath = c；VeriFc *18!： YFA.zluil. /F：137i l&Sf|p=lbo*3 cb»'itiEPi' 22Peel Mup Sausw ErrcJ2:iS30应3" C>slut£ E"y153 113Mb Aci =计苫叭Ey”弋羽阴FThil beqbalii

30、UeffickrtD；4e：5：Ei3j FpBurtn3詰=；）肓Vgrisnoe F "cp artierDFr2 匚 cirtisr3 10=3?：、单参数和双参数指数平滑法进行预测的操作练习2、某地区19962003年的人口数据如表1.2 ,运用二次指数平滑法预测该镇2004年底的人口数（单位：人）。0.419961997199819992000200120022003114333115823117171118517119850121121122389123626建立 WORKFILE : create U 1996 2004建立新序列丫和T:data y然后输入数值。gen

31、r t=tre nd（1995）打开y序列，点击 exponential smoothing按纽，出现如图所示对话 框按照图示选项点击确定即可。-JC3J x|Elie Edit Qtijec+s 辺e 昇巳pcs Qiuck OQtiors 迎 nCd 丹 tlelpdnt刃 V砂nr t=tretid(l 99习-Ini x|VleJIrcsJoectlAbgl+#1 Shohlretghl吕torelcelete |Gwnr |s*mpl*lRanae 1996 2004Sample 1 曲& 2004Filler *Derau 11 Eq. None画c0 residLdt S

32、vIt wr ppEwFiilly rnmpiit"11 Fwth 二 l'Vovipw詔 11 FlB - Tion.* 11 Hf imi i il pdtKponerotsal Wmoo上hinwg2dSmoothing Method;rt PaiametersSmoothed Series;旦 ingle rH令 iiouNe：Holt-Winters * No sesonlHoh-Wiribers - AdditiveH oh'Winters - HultipliQtivYShJiSeries name for smoothed and Forecasted

33、 valu&s.Estimation Sample:Alpha:(mean |EEnter number hii=4iAi=戶n nBeta; trendand 1” or estimate.E (oGammria:(seasonal)|ESmoothirig Parameters：;jl99G 2004Forecasts begin in period Jollowing e?im-aU口门ndpoinLCycle fen Seasonal:OK1 Senes YSNINTTITLED 32View| FrocslFri.nl| Hane | Freeze | Edi1Sinpl+/

34、- |Li-btl+Z-ITid«+-1 InYSMII1 11 1Modified 1996 2003 /' y sinaothin & e ysin3Modified. 1395 2QW N y smocth(d.e) ysnii99e11437G 01997115701 3190117250 01999119655.72000119302.32001121W6 02002122427 22003123671 32004124833 1Ldlid3、某地区19962003年农村用电量数据见表1.3，试利用Holt双参数指 数平滑法预测该地区2004年该地区农村用电

35、量(单位：千瓦时)。19961997199819992000200120022003844.5963.21106.91244.81473.91655.71812.71980.1建立 WORKFILE : create U 1996 2004建立新序列丫和T:data y然后输入数值。genr t=tre nd(1995)打开y序列，点击 exponential smoothing按纽，出现如图所示对话 框按照图示选项点击确定即可。.JSmoothing Method:44 ParametersSmoothed Seii&s:Single.Roublep Holt-Winters - N

36、o seasonalHolt-Winlers - dditivHolt-Winters - Multiplicative|YSMSeiies name lor smoothed and Jofeoasled valuesEsUmation Sam口le:Smoothing ParamebefS：Alpha; (meanBetj： (trend)Gamma: (seasonal)Enter number between O and 1. or E to estimate.11996 2004Forecasts begin In 口eriod foliolAfing eshmahon endpoi

37、nt.Cycle for Seasonal;5data y竽 nr t='§'tretid(1995)-rm刃ViewIFrocE|Cbj ec ta| Save|L直beliV-1Rsiigc' 1395 2004Fift&r： *Default £q- RonsSample 1996 2004y ysin| Fath = c： evi ewsS |dB = noRe卅F = TintitledCxiOKICancel三、二次曲线和对数曲线趋势模型建立及预测4、我国民航客运量数据的季节调整。 有关数据如表1.4，对序列进行季节调 整。（1指

38、1993年10月，54指1998年3月）并对调整后序列建立二次曲线和 对数曲线趋势模型，得到两个方程的民航客运量趋势估计值， 并进行季节调整, 求出两个趋势方程建立的季节模型预测值。12345673282632512412493163441112131415161738436840136333636633121222324252627397.31463509474508458.944123132333435363744748343951455048953441424344454647416451486.2507458.9949356251525354398442404.55428（选做）实验三

39、时间序列随机性和平稳性检验【实验目的】认识Eviews输出的时间序列自相关图的内容及含义：自相关函数、偏自相关函数、95%置信限、Q-statistic 学会通过自相关图的Q统计量判断序列是否为白噪声。 通过观察序列的趋势图及自相关图判断序列是否为平稳序列。【实验内容】一、本次练习主要操作文件为 ar1.wf1 ，ar2.wf1 ，ma1.wf1，ma2.wf1， arma11.wf1，arma21.wf1，各文件中包含的序列都是模拟生成的零 均值平稳序列。二、总结各种过程自相关函数，偏自相关函数的特征。三、观察其他文件中的序列，看其是否平稳，若不平稳，试通过适 当的差分变换、方差平稳化变换（

40、取对数，平方根等）使其转化为平 稳 序列，然后观察序列的自相关函数，偏自相关函数的特征，并与自已总结的各种过程的特征对照。【实验步骤】 练习1.操作文件：ar1.wf1说明：该文件中含有三个序列：at为模拟生成的正态白噪声序列；X、y均是 模拟生成的ar(1)过程，其参数各不相同。EQY分别是对x、y的估计结果。操作内容：(1)观察序列at的自相关图，看其是否为白噪声序列，为什么?文件中有两个模型：EQXx的自相关图：样本自相关函数(SACF呈指数衰(2) 观察序列减，样本偏自相关函数(SPACF滞后一阶截尾。(3) 观察序列y的自相关图：样本自相关函数呈正负交替的指数 衰减，样本偏自相关函数

41、滞后一阶截尾。(4) 分别打开EQX EQY试写出对X、y的估计结果。练习2:操作文件：ar2.wf1说明：该文件中含有四个序列：at为模拟生成的白噪声序列；X，y，z均为模 拟生成的AR(2)过程，且其参数各不相同。文件中有三个模型：分别是对X、y、z的估计结果。操作内容：(1) 分别观察序列X，y，z的自相关图，看其样本自相关函数，样 本偏自相关函数各有什么特征。(提示：其样本自相关函数分别呈 混合指数衰减、正负交替的混合指数衰减、阻尼正弦波衰减；样本 偏自相关函数均滞后二阶截尾)。(2) 分别打开EQX EQY EQZ写出对X、y、z的估计结果。练习3:操作方件：mal.wfl说明：文件

42、中的序列X、y分别为模拟生成的ma(1)过程，其参数各不相同。文 件中的模型EQX EQY为对X、y的估计结果。操作内容：(1)分别观察序列X，y的自相关图，看其样本自相关图，偏自相关 图各有什么特征。（提示：其样本自相关函数均呈滞后一阶截尾， 样 本偏自相关函数分别呈指数衰减、正负交替的指数衰减）（2）分别打开EQX EQY写出对x、y的估计结果。练习4:操作文件：ma2.wf2说明：文件中的序列分别为模拟生成的 MA（2）过程，其参数各不相同。操作内容：（1）分别观察序列X，y的自相关图，看其样本自相关图，偏自相关 图各有什么特征。（提示：各序列的样本自相关函数均滞后二阶截尾， 样 本偏自

43、相关函数分别呈混合指数衰减、正负交替的混合指数衰减，阻尼 正弦波衰减）。（2）分别打开EQX EQY写出对X、y的估计结果。练习5:操作文件：ARMAII.wfl说明：文件中的序列x，y，z分别为模拟生成的不同参数的 ARMA（1,1）过程， EQX EQY EQZ分别为对各序列估计的结果。操作内容：（1）分别观察序列X，y的自相关图，看其样本自相关图，偏自相关 图各有什么特征。（提示：各序列的自相关函数，偏自相关函数都呈 指数衰减）。（2）写出各模型的估计结果。练习6:操作文件：ARMA21.wf1操作内容：（1）分别观察序列X，y的自相关图，看其样本自相关图，偏自相关 图各有什么特征。（提

44、示：各序列的自相关函数，偏自相关函数都 呈指数衰减）。（2）写出各模型的估计结果。实验四 时间序列季节性、可逆性检验【实验目的】【实验内容】观察具有实际背景的经济数据，判断其是否平稳、是否含有季 节性，均值是否为零。能运用合适的方法如差分、季节差分、 取对数、平方根等，使序列变为平稳序列；平稳序列减去其均 值，使其零均值化。、判断序列的平稳性和可逆性，给出相应判断依据，并写出模 型形式。二、找出自己感兴趣的数据，判断数据是否平稳，是否具有季节 性，均值是否为零等。【实验步骤】练习一arl.wfl , ar2.wf1 , mal.wfl, ma2.wf1, armall.wfl , arma21

45、.wf1操作文件： 操作内容：一、(1)打开文件 arl.wfl，(2) 依据 EQX 写出关于序列x的模型形式：Xt=0.68Xt-1+at(3) 写出用B算子表示的模型形式：(1 0.68B) Xt = at(4) 判断模型是否平稳？说明原因。(5) 写出该模型的传递形式。二、(1)打开文件ar2.wf1(2) 依据EQX写出序列x的模型形式为：Xt=0.49Xt-1 +0.25Xt-2+at(3) 写出用B算子表示的形式：(4) 判断模型是否平稳？说明原因。(5) 试推导模型的传递形式。并写出其前5个格林函数。三、(1)打开文件 mal.wfl(2) 依据EQX写出序列X的模型形式：Xt

46、= at 0.82at-1(3) 写出用B算子表示的形式：Xt= (1 0.82B)at(4) 判断模型是否可逆？说明原因。(5)写出该模型的逆转形式。四、(1)打开文件armal.wfl(2) 依据 EQX写出序列 X 的模型形式：Xt= 0.92 Xt-1 +at 0.57at-1(3) 写出用B算子表示的形式：(1 0.92B)Xt= (1 0.57B)at(4) 判断模型是否平稳？是否平稳？说明原因。(5) 试推该模型的传递函数形式。五、打开ma2.wf1写出各序列模型形式及用 B算子表示的形式，判断序列 是否可逆，试推导其逆转形式。打开ARMA21.wf1写出各序列模型形式及用B算子

47、表示的形式，判断序 列是否平稳，是否可逆，试推导其传递函数形式，逆转形式。练习二操作文件：zl1.wf1zl20.wf1 ， gdp.wf1 ， gdpindex.wf1 ， stpoor.wf1 ， usag np.wf1 等。文件说明：(1) zl1wf1zl20.wf1各文件是教材后附录 山 所列资料，各数据 背景参见附录。(2) gdp.wf1 为我国 19782001 各年 GDP数据。Gdpindex.wf1为我国19532001各年GDP旨数，即各年 GDP发展速度数据。(3) stpoor.wf1 ，usagnp.wf1文件说明见第一次上机实习内容说 明。判断是否平稳、是否具有

48、季节性的方法：(1) 通过序列的趋势图粗略的判断。(2) 通过序列的自相关图判断。若序列自相关函数衰减缓慢，滞后较长时期仍不为零，则可初步断定序列非平稳。若序列的自相关函数周 期性的显著不为零(如月度数据的滞后12期，24期，36期等自相关函数显著不为零；季度数据的滞后 4, 8, 12, 16各期自相关函数显著 不为零)则可判断序列含有季节性。使序列平稳化的方法：(1) 若数据方差非平稳，应先通过对数变换、平方根变换等方法，使序列方差平稳。（2） 先通过差分消除序列的长期趋势（如果有的话）。（3） 再通过季节差分消除序列的季节性（如果有的话）。 差分函数的使用可见前两次上机实习内容。使平稳序

49、列零均值化的方法：在Eviews中可通过函数mean（求序列的均值。如要求平稳序列x的均值，并对序列x零均值化，则可用如下命令：Scalar m=mea n（x）Genr y=x m其中：Scalar命令在Eviews中表示生成标量数据（均值只是一个数，而 不是序列）。丫 为对x零均值化后的序列。当然，上述命令也可简化为：Genr y=x mea n（x）习题三：用自相关分析图识别1990年1月至1997年12月我国工业总产值的月度时间序 列及其自然对数的平稳性，并说明理由。若不平稳试绘制自然对数序列的一阶 逐期差分和一阶季节差分后的我国工业总产值序列的相关分析图。1990年1月至1997年12月我国工业总产值（单位：亿元）年199011421.421367.431719.741759.651795.761848.171637.381670.991760.1101789.5数据111888.6121981.4199111757.821485.731893.941969.852033.76210371836.381914.792022.2102045.1112069.2122136199211984.221812.432274.742328.952