EViews第6章 时间序列模型
ARMA模型的eviews的建立--时间序列分析实验指导
时间序列分析实验指导42-2-450100150200250统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。
为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。
为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。
这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。
②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。
这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心 2007年2月目录实验一 EVIEWS中时间序列相关函数操作···························- 1 - 实验二确定性时间序列建模方法 ····································- 8 - 实验三时间序列随机性和平稳性检验 ···························· - 18 - 实验四时间序列季节性、可逆性检验 ···························· - 21 - 实验五 ARMA模型的建立、识别、检验···························· - 27 - 实验六 ARMA模型的诊断性检验····································· - 30 - 实验七 ARMA模型的预测·············································· - 31 - 实验八复习ARMA建模过程·········································· - 33 - 实验九时间序列非平稳性检验 ····································· - 35 -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。
EViews统计分析在计量经济学中的应用--第6章 时间序列模型
实验预习知识：图示法和单位根检验法相关 知识
实验步骤一（图示法）：图示信息录入
使用图示判断 时间序列的平 稳性，具体过 程如下：（1） 打开工作文件 “6-1.wfl”， 点击工具栏中 的
View/Graph, 出现图6.6所 示的对话框。
图6.6 图示对话框
实验步骤二（图示法）：相关图分析
（3）点击工具 栏中的View 按钮，选择
Correlogra m菜单项， 如6.8所示， 点击后则出 现图6.9所 示的对话框。
图6.8 选择Correlogram菜单项
相关分析参数
图6.9 相关分析参数
在图6.9中，有两个选 择：一是针对何种数 据生成相关图，主要 分为原变量（level）、 一阶差分变量（1st difference）及二阶 差分变量（2st difference），这里 选择level；二是确定 相关图的滞后期 （Lags to include）， 这里选择36。
图6.1 HP滤波对话框
实验步骤三：结果分析
（2）点击图 6.1中的OK 按钮， Eviews中将 原序列和趋 势序列显示 在同一图形 中，如图6.2 所示。
图6.2 HP滤波结果
实验步骤三：结果分析
如图6.2所示，是包含长期趋势成分和周期 波动成分的经济时间序列，Trend是其中含 有的趋势成分，Cycle是其中含有的周期波 动成分，即，而Hodrick-Prescott滤波目的 是将从中将分解出来。从趋势上看，世界集 装箱船手持订单量呈现总体上升趋势，但 2008年后出现明显下将趋势；而从周期波 动看，世界集装箱船手持订单量的波动幅度 则越来越大，即周期性越来越明显。
时序图
（2）点击图 6.6中的 OK按钮， Eviews中 将原始数 据用线条 图形表示 出来，如 图6.7所示。
如何用eviews分析时间序列课程
如何用eviews分析时间序列课程时间序列分析是一种常用的数据分析方法，通过对一系列时间上连续测量的数据进行观察、描述和分析，可以发现其中的规律和趋势，从而预测未来的发展走势。
Eviews是一种专业的时间序列分析软件，具有强大的数据处理和统计分析功能。
本文将介绍如何使用Eviews进行时间序列分析。
首先，打开Eviews软件，并导入需要分析的时间序列数据。
在Eviews的工作区中，选择“File”菜单下的“Open”选项，然后选择需要导入的数据文件，点击“Open”按钮导入数据。
导入数据后，可以在Eviews的对象浏览器中看到导入的数据对象。
接下来，对时间序列数据进行初步的观察和描述分析。
在对象浏览器中，选择需要分析的数据对象，右键点击并选择“Open as Group”选项，将数据对象打开为一个分析组。
然后，在Eviews的对象浏览器中，选择分析组，在右侧窗口中可以看到该组中包含的所有时间序列数据。
可以通过列出每个时间序列的统计概要、绘制时间序列图、查看自相关和偏自相关等方式对数据进行初步的观察和描述分析。
接下来，进行时间序列模型的构建和估计。
在Eviews的操作菜单中，选择“Quick”菜单下的“Estimate Equation”选项，打开方程估计窗口。
在方程估计窗口中，选择需要构建的时间序列模型类型，如AR、MA、ARMA等。
然后，在“Dependent Variable”栏目中选择需要分析的时间序列数据，将其作为因变量。
在“Independent Variables”栏目中选择需要作为自变量的时间序列数据，可以根据需求选择多个自变量。
点击“OK”按钮，Eviews将根据所选择的时间序列模型类型和数据进行模型的估计。
估计完成后，可以查看估计结果。
在方程估计窗口中，可以看到估计结果的统计指标、系数估计值、显著性水平等信息。
可以根据需要查看和分析各个系数的显著性水平、置信区间等信息，判断模型的有效性和可靠性。
eviews 时间序列模型
成都空气污染指数API的建模与预测20085728 刘童超【目录】1..数据来源与数据预处理 (2)1.1数据来源 (2)1.2离群点和缺失值的检验................................................................... 错误！未定义书签。
2.直观分析和相关分析 (4)2.1直观分析和特征分析 (4)2.2相关分析 (6)2.3平稳性检验 (7)3.liu(t)序列的零均值处理 (8)3.1数据的零均值化 (8)3.2零均值过程的检验 (8)4.模型的识别和初步定阶 (9)5.模型的参数估计 (11)6.模型的检验 (11)6.1参数的显著性检验 (11)6.2模型的适用性检验 (12)7.模型的预测 (14)7.1对序列liu1（t）的预测 (14)7.2对序列liu(t)的预测 (14)【附录及参考文献】 (15)附录1.零均值化处理后的数据 (15)参考文献： (16)1..数据来源与数据预处理1.1数据来源原始数据见附件，我们需要的数据见下表：表1-1模型所需的数据时间160 159 158 157 156 155 154 153 152 151 API 68 60 84 76 71 81 55 45 36 35 时间150 149 148 147 146 145 144 143 142 141 API 53 87 88 97 113 99 82 100 95 83 时间140 139 138 137 136 135 134 133 132 131 API 78 73 63 44 44 63 116 72 69 62 时间130 129 128 127 126 125 124 123 122 121 API 89 85 67 37 42 51 45 56 48 53 时间120 119 118 117 116 115 114 113 112 111 API 46 54 45 34 76 96 85 64 65 96 时间110 109 108 107 106 105 104 103 102 101 API 94 86 97 63 99 62 47 64 62 48 时间100 99 98 97 96 95 94 93 92 91 API 44 87 63 68 55 65 75 85 66 59 时间90 89 88 87 86 85 84 83 82 81 API 48 35 44 50 60 54 43 45 54 85 时间80 79 78 77 76 75 74 73 72 71 API 72 49 40 60 60 83 83 91 75 66 时间70 69 68 67 66 65 64 63 62 61 API 74 73 55 71 81 56 67 87 90 81 时间60 59 58 57 56 55 54 53 52 51 API 76 58 28 45 52 83 93 69 60 81 时间50 49 48 47 46 45 44 43 42 41 API 46 52 57 81 76 62 58 65 48 72 时间40 39 38 37 36 35 34 33 32 31 API 64 63 80 62 64 65 55 79 77 56 时间30 29 28 27 26 25 24 23 22 21 API 30 42 74 66 62 64 81 100 58 63 时间20 19 18 17 16 15 14 13 12 11 API 94 86 83 83 63 43 43 46 55 61 时间10 9 8 7 6 5 4 3 2 1 API 65 50 61 59 79 62 40 28 65 92此处一共160个数据，其中1~150用来建立模型，我们称为样本，151~160用来检验预测值与真实值的误差，我们成为检验值。
数模之Eviews教程时间序列ARIMA模型
图形表示出：该序列具有相同的均值，但从样本自相关图看，虽然自相关系数缓慢下降到0，但随着时间的推移，则在0附近波动且呈发散趋势。 样本自相关系数显示：r1=0.48，落在了区间[-0.4497, 0.4497]之外，因此在5%的显著性水平上拒绝1的真值为0的假设。 该随机游走序列是非平稳的。
可以看出:k>0时，rk的值确实落在了该区间内，因此可以接受 k(k>0)为0的假设。同样地，从QLB统计量的计算值看，滞后17期的计算值为26.38，未超过5%显著性水平的临界值27.58，因此,可以接受所有的自相关系数k(k>0)都为0的假设。因此，该随机过程是一个平稳过程。
序列Random2是由一随机游走过程 Xt=Xt-1+t生成的一随机游走时间序列样本。其中，第0项取值为0， t是由Random1表示的白噪声。
随机时间序列的计量经济学模型
时间序列的平稳性及其检验随机时间序列分析模型协整分析与误差修正模型
§9.1 时间序列的平稳性及其检验
一、问题的引出：非平稳变量与经典回归模型二、时间序列数据的平稳性三、平稳性的图示判断四、平稳性的单位根检验五、单整、趋势平稳与差分平稳随机过程
一、问题的引出：非平稳变量与经典回归模型
进行回归，如果确实发现=1，就说随机变量Xt有一个单位根。
一般地:
检验一个时间序列Xt的平稳性，可通过检验带有截距项的一阶自回归模型： Xt=+Xt-1+t （*）中的参数是否小于1。
或者：检验其等价形式： Xt=+Xt-1+t （**）中的参数是否小于0 。
（*）式可变形成差分形式： Xt=(-1)Xt-1+ t =Xt-1+ t (**)检验（*）式是否存在单位根=1，也可通过（**）式判断是否有 =0。
Eviews统计第六章
自相关检验及修正的EViews操作
1.绘图检验自相关问题的EViews操作 进行了OLS回归后，选择EViews主窗口的Quick|Graph命令，输入残差序列名 （Resid），选择图形类型，最后单击确定键即得到残差图。绘制残差序列图也可以通 过Equation对象窗口的Resids按钮或View|Acutal,Fitted,Residual命令实现。 2.DW检验操作 通常OLS回归估计输出结果中包含着对模型的D.W.检验结果，无需单独进行操作。通 过查询DW临界值表可以判断模型自相关问题。DW统计量值越接近2，表明自相关程 度越弱。
异方差与加权最小二乘法 3.异方差的常用检验方法
观表现出变量之间的关系。利用时间序列 图、散点图以及残差序列对解释变量的散点图可以直观的 对模型否存在异方差进行初步判断。 （2）怀特检验 怀特检验通过OLS估计求得残差的估计值，然后利用残差 估计值的平方与解释变量及其交叉项辅助回归式，得到拟 合优度 ，从而构建统计量进行检验。 怀特检验的原假设为原回归模型不存在异方差，被择假设 为原回归模型存在异方差。
应用普通最小二乘法时要求模型的随机误差项必须满足：
（1）无偏性假定。即所有随机误差项的期望为0 （2）同方差性假定。即所有随机误差项的方差相等 （3）无序列相关性假定。即随机误差项之间无序列相关性 （4）解释变量与随机误差项相互独立。即解释变量X为非随机变量 （5）正态性假定。即随机误差项服从均值为0的正态分布。
5.异方差形式未知时的模型处理方法-White异方差一致协方差估计 当异方差形式未知时，无法使用加权最小二乘法（Weighted Least Square，WLS）消除异方差，此时需要采用White异方差一致协方差 估计。
趋势时间序列模型
假设序列 yt可由下式描述 : yt yt1 ut 其中 ut为白噪声 (零均值 , 恒定方差点 , 无自相关 ), 这时我们就遇到了所谓 的单位根问题 .它是一种 非平稳的情况 . 如果我们作如下回归 :
一、均值非平稳过程
均值非平稳过程指随机过程的均值随均 值函数的变化而变化。
我们可以引进两种非常有用的均值非平 稳过程：确定趋势模型和随机趋势模型。
上一页 下一页 返回本节首页
一 确定趋势模型
当非平稳过程均值函数可由一个特定的时 间趋势表示时,一个标准的回归模型曲线 可用来描述这种现象。
例如,若均值t服从线性趋,势t 0 1t
趋势性时间序列是在图形上表现出一个长期上升
或向下的趋势。一般情况下,通过时间序列观察值来判 断序列的趋势性是比较容易,但是有些情况下,就比较困 难,这主要原因是从短期看,时间序列具有趋势变动,但 从长期看,它只不过是循环波动的一部分。时间序列的 趋势性,有确定性和非确定性两种,前者有线性趋势和非 线性趋势。具有非确定性趋势的序列,往往表现为一种 慢慢地向上或向下漂移的时间序列.
若时间序列具有上升或下降的趋势,那么对于所 有短时滞来说,自相关系数大且为正,而且随着 时滞k的增加而缓慢地下降。
上一页 下一页 返回本节首页
若序列无趋势,但是具有季节性,那末对于按 月采集的数据,时滞12,24,36……的自相关 系数达到最大 如果数据是按季度采集,则 最大自相关系数出现在4,8,12, …… ,并且 随着时滞的增加变得较小。
根都在单位圆. 外
如果(B) 0的根不都在单位圆,那外
么, xt就是非平稳.的
现假设(B) 0恰有d个根落在单位圆上 ,
而其它根都在单位圆,外 则可令:
Eviews时间序列分析要点
时间序列分析实验指导42-2-450100150200250统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。
为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。
为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。
这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。
②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。
这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心 2007年2月目录实验一 EVIEWS中时间序列相关函数操作·······- 1 - 实验二确定性时间序列建模方法···········- 9 - 实验三时间序列随机性和平稳性检验········- 18 - 实验四时间序列季节性、可逆性检验········- 21 - 实验五 ARMA模型的建立、识别、检验·······- 27 - 实验六 ARMA模型的诊断性检验··········- 30 - 实验七 ARMA模型的预测·············- 31 - 实验八复习ARMA建模过程············- 33 - 实验九时间序列非平稳性检验···········- 35 -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。
EViews统计分析在计量经济学中的应用第6章 时间序列模型PPT课件
6.1 时间序列的趋势分解 6.2 时间序列的平稳性及其检验 6.3 随机时间序列分析模型 6.4 习题（略）
11/14/2020
EViews统计分析在计量经济学中的应用
1
6.1：时间序列的趋势分解
实验目的：熟悉和掌握滤波在时间序列模型中 的应用。
实验数据：1996年1月-2011年10月世界集装 箱船手持订单量（单位为万TEU）（相关数据 和工作文件存放于文件夹 “书中资料/第6 章” ） 。
图6.1 HP滤波对话框
11/14/2020
EViews统计分析在计量经济学中的应用
5
实验步骤三：结果分析
（2）点击图 6.1中的OK 按钮， Eviews中将 原序列和趋
势序列显示
在同一图形 中，如图6.2 所示。
图6.2 HP滤波结果
11/14/2020
EViews统计分析在计量经济学中的应用
11/14/2020
EViews统计分析在计量经济学中的应用
7
Ready? Let’s go to the next
11/14/2020
EViews统计分析在计量经济学中的应用
8
6.2：时间序列的平稳性及其检验
实验目的：熟悉和掌握图示法和单位根检验 法去判断时间序列的平稳性。
实验数据：1996年1月-2011年10月世界
实验原理：Hodrick-Prescott和BP滤波方法
实验预习知识： Hodrick-Prescott和BP滤波 方法相关知识
11/14/2020
EViews统计分析在计量经济学中的应用
2
实验步骤一：基础数据的录入
在进行本章实验之前，我们要进行工作文件的 创建和数据的输入等工作，这些在前面章节已 有详细介绍，在此不再赘述。本实验建立了名 为“6-1.wfl”的工作文件，该文件里包括序列 t和x，相关数据已经录入。
数模之Eviews教程+时间序列+ARIMA模型143页PPT
文 家 。汉 族 ，东 晋 浔阳 柴桑 人 （今 江西 九江 ） 。曾 做过 几 年小 官， 后辞 官 回家 ，从 此 隐居 ，田 园生 活 是陶 渊明 诗 的主 要题 材， 相 关作 品有 《饮 酒 》 、 《 归 园 田 居 》 、 《 桃花 源 记 》 、 《 五 柳先 生 传 》 、 《 归 去来 兮 辞 》 等 。
数模之Eviews教程+时间序列+ARIMA 模型
6
、
露
凝
无
游
氛
，
天
高
风
景
澈
。
7、翩翩新 来燕，双双入我庐 ，先巢故尚在，相 将还旧居。
8
、
吁
嗟
身
后
名
，
于
我
若
浮
烟
。
9、 陶渊 明（ 约 365年 —427年 ），字 元亮， （又 一说名 潜，字 渊明 ）号五 柳先生 ，私 谥“靖 节”， 东晋 末期南 朝宋初 期诗 人、文 学家、 辞赋 家、散
1
0
、
倚
南
窗
以
寄
傲
，
审
容
膝
之
ห้องสมุดไป่ตู้
易
安
。
46、我们若已接受最坏的，就再没有什么损失。——卡耐基 47、书到用时方恨少、事非经过不知难。——陆游 48、书籍把我们引入最美好的社会，使我们认识各个时代的伟大智者。——史美尔斯 49、熟读唐诗三百首，不会作诗也会吟。——孙洙 50、谁和我一样用功，谁就会和我一样成功。——莫扎特
用EVIEWS管理组织时间序列
应用时间序列分析实验手册目录目录 (2)第二章时间序列的预处理 (3)一、平稳性检验 (3)二、纯随机性检验 (11)第三章平稳时间序列建模实验教程 (12)一、模型识别 (12)二、模型参数估计（如何判断拟合的模型以及结果写法） (17)三、模型的显著性检验 (21)四、模型优化 (22)第四章非平稳时间序列的确定性分析 (24)一、趋势分析 (24)二、季节效应分析 (42)三、综合分析 (48)第五章非平稳序列的随机分析 (54)一、差分法提取确定性信息 (54)二、ARIMA模型 (69)三、季节模型 (75)第二章时间序列的预处理一、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显示出该序列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图1：打开外来数据图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图3：打开过程中给序列命名图4：打开数据2.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、点等图1：绘制散点图图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；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。
图1：序列的相关分析图2：输入序列名称图2：选择相关分析的对象图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，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,因此为纯随机序列,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；非参数检验：游程检验图1：序列的单位根检验表示不包含截距项图2：单位根检验的方法选择图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，该序列是非平稳的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1/27/2020
哈尔滨工程大学版权所有
13
实验步骤二（图示法）：相关图分析
（3）点击工具 栏中的View 按钮，选择
Correlogra m菜单项， 如6.8所示， 点击后则出 现图6.9所 示的对话框。
图6.8 选择Correlogram菜单项
1/27/2020
哈尔滨工程大学版权所有
14
相关分析参数
10
图示对话框
在图6.6中，可选择数据图的类型Graph Type， Eviews给出9种图示类型，通常系统默认Line ＆ Symbol，即线条和符号；另外，在细节部 分，主要包含了图标数据来源（Graph data）、排列方式（Orientation）、轴线边 界（Axis border），可按选择默认，进行相 关操作。
装箱船手持订单量呈现总体上升趋势，但 2008年后出现明显下将趋势；而从周期波 动看，世界集装箱船手持订单量的波动幅度 则越来越大，即周期性越来越明显。
1/27/2020
哈尔滨工程大学版权所有
7
Ready? Let’s go to the next
1/27/2020
哈尔滨工程大学版权所有
8
6.2：时间序列的平稳性及其检验
1/27/2020
哈尔滨工程大学版权所有
4
HP滤波对话框
首先对分解后的趋势序列进行命 名，Eviews将默认一个序列名， 如hptrend02，也可填入一个 新的趋势序列名；其次，设定 参数的取值，一般年度数据取 100，季度和月度数据分别取 1600 和 14400 ， 本 例 取 14400，不允许填入非整数。
1/27/2020
哈尔滨工程大学版权所有
3
实验步骤二：选择滤波方法
以Hodrick-Prescott滤波为例（BP滤波操作 基本相同）分解序列x的趋势要素，具体过程 如下：
（1）打开工作文件“6-1.wfl”，点击工具栏 中的Procs/Hodrick Prescott Filter,出现 6.1所示的HP滤波对话框。
图6.1 HP滤波对话框
1/27/2020
哈尔滨工程大学版权所有
5
实验步骤三：结果分析
（2）点击图 6.1中的OK 按钮， Eviews中将 原序列和趋
势序列显示
在同一图形 中，如图6.2 所示。
图6.2 HP滤波结果
1/27/2020
哈尔滨工程大学版权所有
6
实验步骤三：结果分析
如图6.2所示，是包含长期趋势成分和周期 波动成分的经济时间序列，Trend是其中含 有的趋势成分，Cycle是其中含有的周期波 动成分，即，而Hodrick-Prescott滤波目的 是将从中将分解出来。从趋势上看，世界集
1/27/2020
哈尔滨工程大学版权所有
15
自相关、偏自相关图
图6.10自相关、偏自相关图
图6.10中，虚线表示到中心线2个标准 差宽度，Autocorrelation和AC分别表 示自相关函数的图形和数值，Partial Correlation和PAC分别表示偏自相关 函数的图形和数值。序列稳定性可以用 自相关分析图判断：如果序列的自相关 系数很快地（滞后阶数K大于2或3时） 趋于0，即落入随机区内，时间序列是 平稳的；反之，则序列是非平稳的。若 自相关系数大于临界值，则时间序列数 据有显著的自相关性。从图6.10中可以 看出自相关函数在延迟36阶的过程中， 没有迅速向零趋近的趋势，这说明该序 列是非平稳序列。为了进一步获得平稳 序列，一般将原序列取对数，在此基础 上，分别分析其原序列、一阶及二阶序 列。
第 章 时间序列模型
6.1 时间序列的趋势分解 6.2 时间序列的平稳性及其检验 6.3 随机时间序列分析模型 6.4 习题（略）
1/27/2020
哈尔滨工程大学版权所有
1
6.1：时间序列的趋势分解
实验目的：熟悉和掌握滤波在时间序列模型中 的应用。
实验数据：1996年1月-2011年10月世界集装 箱船手持订单量（单位为万TEU）（相关数据 和工作文件存放于文件夹 “书中资料/第6 章” ） 。
图6.9 相关分析参数
在图6.9中，有两个选 择：一是针对何种数 据生成相关图，主要 分为原变量（level）、 一阶差分变量（1st difference）及二阶 差分变量（2st difference），这里 选择level；二是确定 相关图的滞后期 （Lags to include）， 这里选择36。
1/27/2020
哈尔滨工程大学版权所有
9
实验步骤一（图示法）：图示信息录入
使用图示判断 时间序列的平 稳性，具体过 程如下：（1） 打开工作文件 “6-1.wfl”， 点击工具栏中 的
View/Graph, 出现图6.6所 示的对话框。
图6.6 图示对话框
1/27/2020
哈尔滨工程大学版权所有
1/27/2020
哈尔滨工程大学版权所有
11
时序图
（2）点击图 6.6中的 OK按钮， Eviews中 将原始数 据用线条 图形表示 出来，如 图6.7所示。
图6.7 集装箱船手持订单时间序列
1/27/2020
哈尔滨工程大学版权所手持订单量 总体呈现上升趋势，但在2008年后，出现 明显的下降趋势，由此可见，原始的世界集 装箱船手持订单量x是不平稳的序列。为进 一步验证x的平稳性，需通过自相关图和偏 自相关图分析。
实验目的：熟悉和掌握图示法和单位根检验 法去判断时间序列的平稳性。
实验数据：1996年1月-2011年10月世界
集装箱船手持订单量（单位为万TEU）（相 关数据和工作文件存放于文件夹 “书中 资料/第6章” ）。
实验原理：图示法和单位根检验法 实验预习知识：图示法和单位根检验法相关
知识
实验原理：Hodrick-Prescott和BP滤波方法
实验预习知识： Hodrick-Prescott和BP滤波 方法相关知识
1/27/2020
哈尔滨工程大学版权所有
2
实验步骤一：基础数据的录入
在进行本章实验之前，我们要进行工作文件的 创建和数据的输入等工作，这些在前面章节已 有详细介绍，在此不再赘述。本实验建立了名 为“6-1.wfl”的工作文件，该文件里包括序列 t和x，相关数据已经录入。