Eviews 应用实例

图4 群对象窗口
图5 实际销售额与平滑值序列对比图
二、趋势延伸法实例
时间序列的趋势即序列随时间变化的基本规律 和特点。对于存在趋势的序列，通常可以选取适当 的模型进行分析和预测。 （－）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： Yt＝ Yt＝a＋bt 式中，a 式中，a，b是模型的参数。这种模型的结构比较简 单，估计方法非常成熟，是很多其他趋势模型估计 的基础。下面结合实例说明如何使用该软件进行直 线趋势模型的预测。 [例3]设某市1992－2002年市场鸡蛋销售量如表 3]设某市1992－2002年市场鸡蛋销售量如表 4所示。试预测2003年该市鸡蛋销售量。 所示。试预测2003年该市鸡蛋销售量。
表4 某市鸡蛋销售量
单位：万千克
解：第一步，建立一个新的工作文档，文档的样 本期为1992－2002年。生成序列SALES，录入表4 本期为1992－2002年。生成序列SALES，录入表4 中的销售量观测值。
第二步，打开SALES序列对象窗口，点击 第二步，打开SALES序列对象窗口，点击 View→ View→Line Graph，绘制序列散点图（见图6）。 Graph，绘制序列散点图（见图6
指数平滑对话框中包含五个部分的选项：平滑方法 （Smoothing Method）、平滑系数（Smoothing Method）、平滑系数（Smoothing Parameters）、平滑后生成序列的名称（Smoothed Parameters）、平滑后生成序列的名称（Smoothed Series）、预测样本范围（Estimation Sample）和季节变动 Series）、预测样本范围（Estimation Sample）和季节变动 周期（Cycle 周期（Cycle for Seasonal）。 Seasonal）。 对话框左上部分的平滑方法（Smoothing Method）包括： 对话框左上部分的平滑方法（Smoothing Method）包括： Single 一次指数平滑 Double 二次指数平滑 Holt－Winters－ Holt－Winters－No seasonal Holt－Winters无 Holt－Winters无 季节模型 Holt－Winters－ Holt－Winters－Additive Holt－Winters季节 Holt－Winters季节 迭加模型 Holt－Winters－ Holt－Winters－Multiplicative Holt－Winters季 Holt－Winters季 节乘积模型 平滑系数（Smoothing Parameters）包括Alpha，Beta， 平滑系数（Smoothing Parameters）包括Alpha，Beta， Gamma。平滑系数可由系统自动给定，也可以由用户指定。 Gamma。平滑系数可由系统自动给定，也可以由用户指定。 缺省状态是由系统自动给定。如果用户需要指定，只需在对应 参数的位置填入指定的数值。
图3 某企业1990－2001年销售额变动情况 某企业1990－2001年销售额变动情况
第四步，指数平滑。根据前例中的方法，用户可以进入如 图2的指数平滑对话框。本例中，选择二次指数平滑的方法， 并让系统自动确定系数。结果如表3 并让系统自动确定系数。结果如表3所示。 原序列SALES中共有12个观测值，即1990－2001年的企 原序列SALES中共有12个观测值，即1990－2001年的企 业销售额。在进行二次指数平滑时，系统根据这12个数值自动 业销售额。在进行二次指数平滑时，系统根据这12个数值自动 确定了最优的平滑系数α 0.244。此时，对序列进行二次指 确定了最优的平滑系数α＝0.244。此时，对序列进行二次指 数平滑预测的残差平方和为101.3594，均方根误差为 数平滑预测的残差平方和为101.3594，均方根误差为 2.906306。 2.906306。 在Eviews给出指数平滑结果统计表（见表3）时，并没有 Eviews给出指数平滑结果统计表（见表3 直接给出对2002年和2003年销售额的预测值。这两个数值保 直接给出对2002年和2003年销售额的预测值。这两个数值保 存在系统生成的平滑序列SALESSM中，用户只需打开该序列 存在系统生成的平滑序列SALESSM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，该企业 在2002年和2003年的销售额，分别预计为56．6万元和 2002年和2003年的销售额，分别预计为56． 59．4万元。 59．
Eviews时间序列分析实例 Eviews时间序列分析实例
本节的主要内容是说明如何使用Eviews软件进行分 本节的主要内容是说明如何使用Eviews软件进行分 析。
一、指数平滑法实例
所谓指数平滑实际就是对历史数据的加权平均。它可 以用于任何一种没有明显函数规律，但确实存在某种前后 关联的时间序列的短期预测。由于其他很多分析方法都不 具有这种特点，指数平滑法在时间序列预测中仍然占据着 相当重要的位置。 （－）一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法 非常简单，甚至只要样本末期的平滑值，就可以得到预测 结果。 一次指数平滑的特点是：能够跟踪数据变化。这一特点 所有指数都具有。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， 直至被淘汰。这样，预测值总是反映最新的数据结构。
第二步，绘制序列图形。在序列对象窗口中， 点击View→ 点击View→Line Graph。屏幕显示图1所示图形。 Graph。屏幕显示图1
图1 某企业近30个月的销售量动态图 某企业近30个月的销售量动态图
从图1中可以看出，这个企业近30个月的销售 从图1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。 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1 30， 销售量进行预测，而工作文件的样本期是1～30， 在Eviews中要求先更改样本期。更改样本期的操作 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l 31。 在本章第一节已经讲过，这里将样本期改为l～31。 第四步，进行指数平滑。指数平滑的菜单操作 方法有两种：一是在主工作文件窗口打开的情况下， 点击主窗口的Quick→ 点击主窗口的Quick→Series Statistics→ Statistics→Exponential Smoothing；二是在序列 Smoothing；二是在序列 对象窗口中点击Procs→ 对象窗口中点击Procs→Exponential Smoothing。 Smoothing。 点击后屏幕出现如图2 点击后屏幕出现如图2所示的指数平滑对话框。
本例中，分别指定Alpha的值为0.3和0.5。当指 本例中，分别指定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137.2978； 定平滑系数为0.3时，预测的残差平方和为137.2978； 当平滑系数为0.5时，预测的残差平方和为165.0685。 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 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。 29.2吨。
一次指数平滑有局限性。第一，预测值不能 反映趋势变动、季节波动等有规律的变动；第二， 这种方法多适用于短期预测，而不适合作中长期 的预测；第三，由于预测值是历史数据的均值， 因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想，很大程度上取决于 平滑系数。Eviews提供两种确定指数平滑系数的 平滑系数。Eviews提供两种确定指数平滑系数的 方法：自动给定和人工确定。选择自动给定，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 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。
表3 二次指数平滑结果
如果将二次指数平滑的预测结果和原观测值共 同显示在同一张图上，可以使用户看起来更清楚。 首先在工作文件菜单中同时选中两个序列SALES和 首先在工作文件菜单中同时选中两个序列SALES和 SALESSM，方法是先点击一个序列，之后按住键 SALESSM，方法是先点击一个序列，之后按住键 盘上的Shift键再点击另外一个序列。然后点击工作 盘上的Shift键再点击另外一个序列。然后点击工作 文件菜单工具栏中的Show，在弹出的对话框中点击 文件菜单工具栏中的Show，在弹出的对话框中点击 OK。此时，系统将弹出一个类似序列对象窗口的群 OK。此时，系统将弹出一个类似序列对象窗口的群 窗口（见图4），窗口中以Excel表格的形式同时显 窗口（见图4），窗口中以Excel表格的形式同时显 示出SALES和SALESSM。最后点击该窗口上方的 示出SALES和SALESSM。最后点击该窗口上方的 View→Graph→Line（见图5 View→Graph→Line（见图5）。
表1 某企业食盐销售量
单位：吨
解：使用Eviews对数据进行分析，第一步是建立工作文件 解：使用Eviews对数据进行分析，第一步是建立工作文件 和录入数据。有关操作在本章第一节中已经阐明，这里不 再赘述。假设已经建立工作文件，并生成了一个样本期为 l～30的序列，命名为SALES。序列SALES中包含例1中需 30的序列，命名为SALES。序列SALES中包含例1 要分析的数据。
出于预测的考虑，有时系统给定的系数不是很 理想，用户需要自己指定平滑系数值。平滑系数取 什么值比较合适呢？一般来说，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.l；如果 平缓，平滑系数值应该比较小，比如小于0.l；如果 序列变化比较剧烈，平滑系数值可以取得大一些， 如0.3～0.5。若平滑系数值大于0.5才能跟上序列 0.3～0.5。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。 ［例1 ［例1］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（见表l 连续30个月份的历史资料（见表l），试预测下一 月份销售量。
解：第一步，建立工作文件，样本期为1990－ 解：第一步，建立工作文件，样本期为1990－ 2001的年度数据。在新建立的工作文件中，生成一 2001的年度数据。在新建立的工作文件中，生成一 个名为SALES的新序列。打开SALES序列对话框， 个名为SALES的新序列。打开SALES序列对话框， 将表2 将表2中的数据录入。 第二步，绘制序列图形。从图中可以看到，该 企业的销售额存在明显的增长趋势（见图3 企业的销售额存在明显的增长趋势（见图3）。序 列的波动并不是很剧烈。由此判断，使用二次指数 平滑法进行预测比较合适。 第三步，扩大样本期。由于本例需要预测下两 年的销售额，因此将工作文件的样本期更改为1990 年的销售额，因此将工作文件的样本期更改为1990 －Βιβλιοθήκη Baidu003年。 2003年。
图6 序列散点图
Eviews中没有直接绘制散点图的菜单选项。当需要绘制 Eviews中没有直接绘制散点图的菜单选项。当需要绘制 散点图时，首先需要绘制连线图（Line Graph）。屏幕显示 散点图时，首先需要绘制连线图（Line Graph）。屏幕显示 图形对象窗口后，用鼠标左键双击图形的任意位置，或者点 击右键，然后在弹出的菜单中选择Options。此时，系统将弹 击右键，然后在弹出的菜单中选择Options。此时，系统将弹 出图形属性对话框。 图形属性对话框中的选项很多。用户在这里可以方便地 更改图形的类型（Graph Type）、图形的属性（Graph 更改图形的类型（Graph Type）、图形的属性（Graph Attitude）、线形图格式见（Line Graph）、条形图格式 Attitude）、线形图格式见（Line Graph）、条形图格式 （Bar Graph）等。这里，将图形的类型选择为线形图（Line Graph）等。这里，将图形的类型选择为线形图（Line Graph），再在线形图格式中选择仅有标示（Symba1s Graph），再在线形图格式中选择仅有标示（Symba1s Only）。点击OK。 Only）。点击OK。 从散点图上可以看出，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。 第三步，生成时间变量T 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 要用到最小二乘的方法，其中，观测值就是因变量，序列T 是自变量。
图2
指数平滑对话框
（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。 [例2]某公司1990－2001年的实际销售额如表2 2]某公司1990－2001年的实际销售额如表2 所示。请根据此资料预测2002年和2003年企业销 所示。请根据此资料预测2002年和2003年企业销 售额。 表2 某公司销售额 单位：万元