应用时间序列分析第四次-雷鹏程-统计二班-12071050204

应用时间序列分析实验报告院系理学院专业统计学班级统计2班学生姓名雷鹏程学号120710502042015年5月9日星期六一.实验目的：利用x12季节调整，对中国1993年一月至2000年12月社会商品零售额月度资料进行季节调整。二.实验器材一台装有Eviews7.0软件的计算机三.实验要求1、观察数据特征；2、对数据进行季节调整；3、预测假定没有特殊事件发生社会商品零售额的可能值。四.实验步骤1.在Eviews中录入数据，点击File→New→Workfile,建立一个季节数据录入表，在对话框选择“Monthly”,起始时间输入“1993-1”，结束时间输入“2000-1”，点击“OK”。如图1所示：图1季节数据表建立2．将Excel中从1993-1到2000-12的数据导入Eviews中，如下图所示：图2数据导入表3．在Eviews中选择“Quick→Graph”，画出1993年到2000年的社会商品零售总额的趋势图，如图所示图31993-2000年月度社会商品零售总额趋势图4．由于2000年1月到2000年12月的数据不具有代表性，所以在Eviews中仅利用1993年到1999年的月度进行季节调整，选择样本区间，在命令窗口输入：smpl1993:011999:12。画出其趋势图，如下图4：图41993-1999年月度社会商品零售总额趋势图图5.然后在数据窗口中点击“Proc→SeasonalAdjustment→X12”,根据数据特征选择乘法模型、滤波方法采用默认方式，保留最终的季节调整数据、季节因子和长期趋势。图6表示长期趋势图X_TC,可以看出数据已经平滑了。图61993-1999年长期趋势图6.通过X_TC的图形，基本上可以认为长期趋势随着时间的变化是线性的，于是建立一个时间与X_TC的一元线性回归方程，预测如果没有突发情况下2000年月度社会商品总额的趋势值。方法如下：(1)打开样本区，在命令窗口输入：“smpl1993：012000:12”;(2)在数据文件中建立一个新变量t,t是自然数，表示各个不同的时间；（3）控制样本区在1993年1月到1999年12月，在命令窗口输入:“smpl1993：011999:12”;（4）在命令窗口输入:“LSX_TCCT”，建立起回归方程，估计结果表如下图7所示：图7一元线性回归结果表7.由于2000年1月到12月没有季节因素，所以用1999年各月的季节指数平均值预测2000年1月到12月的季节指数，得到2000年1月到12月实际值与预测值表如下：时间实际值趋势预测值季节预测因子的预测值假设舞突发情况下的消费总额预测值1234=2*32000年11251.53020.66811.0427804553149.892000年212863040.569560.9940433673022.462000年31396.23060.471020.9550434212922.882000年41444.13080.372480.9320816772871.162000年51553.83100.273940.9336888492894.692000年61932.23120.17540.9548307572979.242000年71251.53140.076860.928189462914.592000年812863159.978320.9300559282938.962000年91396.23179.879780.9826098123124.582000年101444.13199.781241.0282872953290.292000年111553.83219.68271.0566470093402.072000年121932.23239.584161.2611712434085.67表12000年1月到12月实际值与预测值8.画出经季节调整过后的社会商品零售总额的趋势图，并分别比较了在突发和没有突发情况下两种的差距，如下图所示：图8经季节调整过后的趋势图图9实际值与预测值的比较图五．实验总结通过此次上机实验，我的收获颇多，不仅让我真正认识到应用时间序列分析的重要性，还知道样本自相关和偏相关函数是识别平稳时间序列模型的重要方法。由于样本自相关和偏相关函数是随机变量，因此判断其是否截尾的方法是通过构造统计量进行统计检验。模型检验是建立时间序列模型的重要步骤。Box-Jenkins建模方法是以序列的自相关函数和偏相关函数的统计特性为依据，找出序列可能适应的模型，然后对模型进行估计。同时，在上机过程中也看到了自己的不足之处，对于各种建模方法自己了解得还不是很全面，还有待进一步学习。