EViews基础与季节调整操作1课件

X-12-ARIMA季节调整的EViews操作国家统计局核算司江永宏2010年3月4日四川峨眉山 前言v 最常用的季节调整方法 1.X-12-ARIMA 2.TRAMO-SEATS v 都可在EViews软件中实现国家统计局正在开发基于X-12-ARIMA的季节调整软件 主要内容v EViews基础（EViews简介、数据处理基础、季节调整选项卡等）v 如何用EViews软件进行季节调整（以一个实例介绍季节调整的操作步骤）EViews基础v什么是什么是EViewsEViews软件是广泛使用的件是广泛使用的经济计量量软件之一件之一。它主要处理时间序列数据，是进行统计描述、回归分析、时间序列分析等基本数据分析，以及建立各种经济计量模型的有力工具。因此，EViews在统计数据分析和评价、金融分析、宏观经济预测、销售预测和成本分析等领域中有着广泛的应用。EViews基础vEViews特点：特点：交互式英文界面、交互式英文界面、简单易学易学在进行数据处理时，既可以通过点击菜单实现，也可以通过提交命令来实现。vEViews窗口：窗口：由如下五个部分组成：标题栏、主菜、主菜单、命令窗口、状、命令窗口、状态栏、工作区、工作区。（见下下图）命令窗口命令窗口标题栏标题栏工工作作区区主菜单主菜单状态栏状态栏 EViews基础其中，主菜单包括如下9个菜单vFile 有关文件的常规操作，如建立、打开、保存、关闭等vEdit 通常提供编辑功能，如对窗口内容进行复制、剪切、删除等vObjects 提供关于对象的基本操作，如新建对象、复制对象等vView 主要涉及变量的多种查看方式vProcs 主要涉及变量的多种运算过程vQuick 提供快速分析过程，包括常用的统计分析方法、回归模型等vOptions 系统参数设定选项，如窗口的显示模式、字体格式等vWindows 提供关于窗口切换、关闭等操作vHelp EViews软件的帮助选项 EViews基础vEViews工作文件：工作文件：EViews要求数据的分析处理过程必须在特定的工作文件（workfile）中进行，因此在录入和分析数据前，应创建一个工作文件。EViews基础v工作文件的工作文件的创建建 从主菜单选择File/New Workfile，打开Workfile Create对话框，如下图所示 EViews基础v工作文件的属性工作文件的属性 （描述具有固定频率的时间序列工作文件）EViews基础v工作文件窗口工作文件窗口工作文件窗口是各种类型数据的集中显示区域，拥有很多功能。窗口最上方显示工作文件名，下面一行是工具栏，提供各种运算功能，再下面显示的是数据的基本情况，包括数据区间、样本期等一个新建的工作文件窗口内只有两个对象（object），分别是c(系数向量)和resid（残差）。EViews基础v什么是什么是对象？象？EViews的核心是对象象，对象是指有一定关系的信息或算子捆绑在一起供使用的单元，如一个序列、一个矩阵、一个方程、一个图表等。对象都放置在对象集合中，其中，工工作文件作文件就是最重要的对象集合。EViews基础v建立建立对象象选择主菜单上的“Object/New Object”。出现New Object对话框（见下图）。EViews基础v查看看对象象可在文件窗口中双击某个对象，见下图。EViews基础v序列数据的序列数据的录入入手动录入数据。在工具栏选择Edit+/-按钮进入编辑状态，用户可输入或修改序列观测值。调入已有的数据文件。用户可从主菜单选择Procs/Improt/Read Text-Lotus-Excel,然后找到目标文件进行读入。EViews允许调入多种格式的数据：ASCII，Excel工作表等。直接复制。在工具栏选择Edit+/-按钮进入编辑状态，然后再将数据从其他文件中拷贝粘贴过来。（演示）（演示）EViews基础v序列序列对象的窗口象的窗口 EViews基础v可以用EViews工作文件窗口菜单上的“View”或对象窗口工具栏上的“View”来改变对象的视图。一个对象视图的变化并不改变对象中的数据，仅仅是显示形式改变了。EViews基础v含多个含多个对象的工作文件窗口象的工作文件窗口 EViews基础v工作文件的保存工作文件的保存保存工作文件可以在工具栏中单击Save按 扭，或 从 主 菜 单 中 选 择File/Save或 File/Save As，在 出 现 的Windows标准对话框内选择文件要保存的目录及文件名。EViews基础v工作文件的保存工作文件的保存 最后生成(*.wf1)工作文件 序列的季节调整操作v序列的季序列的季节调整操作：整操作：打开序列窗口，点击Proc有4种季节调整方法，Census X12方法、X11方法、Tramo/Seats方法和移动平均方法。序列的季节调整操作Census X-12方法有方法有5个个选择框，如下框，如下图v季节调整选择设定 （Sensonal Adjustment）vARIMA选择 （ARIMA Options）v交易日、节假日设定 （Trading Day/Holiday）v离群值设定 （Outliers）v诊断 （Diagnostics）序列的季节调整操作v季季节调整整选择设定定 X11方法（方法（X11 Method）指定季节调整分解的形式：乘法、加法、伪加法、对数加法。注意乘法、伪加法和对数加法不允许有零和负数。季节滤子季节滤子(Seasonal Filter)当估计季节因子时，允许选择季节移动平均滤波项数，缺省是X12自动确定。趋势滤子（趋势滤子（Trend Filter(Henderson)）当估计趋势-循环分量时，允许指定亨德松移动平均的项数，可以输入大于1和小于等于101的奇数，缺省是由X12自动选择。保存调整后的分量序列名（保存调整后的分量序列名（Component Series to save）可在“Base name框”设置序列调整后的序列名。在下面的多选钮中选择要保存的季节调整后分量序列，X12将加上相应的后缀存在工作文件中：最终的季节调整后序列（SA）；最终的季节因子（SF）；最终的趋势循环因子（TC）；最终的不规则因子（IR）；季节交易日混合因子（D16）；假日交易日混合因子（D18）；序列的季节调整操作vARIMA 选择数据数据数据数据转换转换（Data TransformationData Transformation）在配备ARMA模型前允许转换序列。缺省是不转换,Auto选择是根据计算出来的AIC准则自动确定是不做转换还是进行对数转换；Logistic选择将序列y转换为log(y/(1-y)，序列的值被定义在0和1之间；Box-Cox power选择要求提供一个参数，然后再做相关转换ARIMAARIMA说说明明明明(ARIMA Spec)(ARIMA Spec)允许在2种不同的方法中选择ARIMA模型。1.Specify in-line 选择 要求提供ARIMA模型阶数的说明（p d q）(P D Q)缺省的指定是(0 1 1)(0 1 1)p 非季节的AR阶数d 非季节的差分阶数q 非季节的MA阶数P 季节AR阶数D 季节差分阶数Q 季节MA阶数 序列的季节调整操作 2.Select from file 选择 X12将从一个外部文件提供的说明集合中选择ARIMA模型。EViews将利用一个包含一系列缺省模型指定说明的文件（X12A.MDL）：(0 1 1)(0 1 1)*(0 1 2)(0 1 1)X (2 1 0)(0 1 1)X (0 2 2)(0 1 1)X (2 1 2)(0 1 1)Select best 检验列表中的所有模型，选一个最小预测误差的模型，缺省是第一个模型。Select by out-of-sample-fit 对模型的评价用外部样本误差，缺省是用内部样本预测误差。回归因子选择（回归因子选择（回归因子选择（回归因子选择（RegressorsRegressorsRegressorsRegressors）允许在ARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节虚拟变量，事先定义的回归因子可以捕捉交易日和节假日的影响。序列的季节调整操作v交易日、交易日、节假日假日设定定 可以在进行季节调整和利用ARIMA模型得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和交易日影响）。首先要选择（Ajustment Option）是否进行这项调整？然后，要确定在那一个步骤里调整：在ARIMA步骤，还是X-11步骤？Trading Day Effects消除交易日影响有2种选择，依赖于序列是流量序列还是存量序列。对于流量序列还有2种选择，是对周工作日影响进行调整还是对仅对周工作日-周末影响进行调整。存量序列仅对月度序列进行调整，需给出被观测序列的月天数。Holiday effects 仅对流量序列做节假日调整。对每一个节日，你必须提供一个数，是到这个节日之前影响的持续天数。Easter 复活节 Labor 劳动节 Thanksgiving 感恩节 Christmas 圣诞节 注意这些节日主要针对西方国家，不能应用于其他国家。序列的季节调整操作v离群离群值设定定 离群值影响的调整也是分别在ARIMA步骤和X11步骤中进行的。在ARIMA步骤中可进行4种离群值设定：加性离群值（Additive Ouliers）水平变化（Level Shift）暂时变化（Temportary Change）斜线上升（Ramp Effects）在X11步骤中只可进行1种离群值设定：加性离群值（Additive Ouliers）序列的季节调整操作v诊断断 季节因素的稳定性分析（季节因素的稳定性分析（Stability Analysis of SeasonalsStability Analysis of Seasonals）Sliding spans Sliding spans移动间距移动间距 检验被调整序列在固定大小的移动样本上的变化 Historical revisions Historical revisions 历史修正历史修正 检验被调整序列增加一个新观测值，即增加一个样本时的变化 其他诊断（其他诊断（Other DiagnosticsOther Diagnostics）可以选择显示各种诊断输出：Residual diagnostics Residual diagnostics 残差诊断残差诊断 作为对所配备的ARIMA模型的检验，报告一个标准的残差诊断（例如自相关函数和Q-统计量），注意这个选择要求估计ARIMA模型，如果没有，则这个诊断被应用于原始序列。Outlier detection Outlier detection 外部探测外部探测 利用指定的ARIMA模型自动地查出和报告外部影响。这个选择要求指定一个ARIMA模型或至少一个外生回归因子，假如没有回归模型，这项选择被忽略。Spectral plot Spectral plot 谱图谱图 显示被调整序列和经修正后的不规则序列的不同的谱图。红色垂直点线是季节频率，黑色垂线是节假日、交易日频率。如果这些垂线刚好落到谱图的峰值上，意味着季节调整不充分。序列的季节调整操作vX-12-ARIMA季季节调整的流程整的流程图 regARIMA模型模型（前向预测，后向预测，预调整）（前向预测，后向预测，预调整）建模与模型的比较、建模与模型的比较、诊断诊断 季节调整季节调整（X-11增强版）增强版）诊断诊断（包括历史修正，平移（滚动）检验，谱分（包括历史修正，平移（滚动）检验，谱分析，析，M1-M11，Q统计量等）统计量等）序列的季节调整操作vX-12-ARIMA季季节调整的流程整的流程图预处理预处理（序列图形分析、模型选择、离群值、节假日等参数设定）执行季节调整执行季节调整诊断分析结果诊断分析结果 序列的季节调整操作v用用EViews软件件进行季行季节调整的操作步整的操作步骤：1.准准备一个用于季一个用于季节调整的整的时间序列（序列（GDP）注意：序列需同口径（当月或当季）、不变价、足够长度2.在在EViews中建立工作文件，中建立工作文件，导入序列数据入序列数据3.序列序列图形分析形分析观察序列中的是否有季节性、是否有离群值或问题值、序列的趋势变动（采用加法还是乘法模型）。必要时，还要分析谱图和自相关图、偏相关图。4.季季节调整参数整参数设定定（五个选项卡）季节调整选择项（模型分解方法、季节滤子、趋势滤子、调整后的序列变量名）ARIMA模型参数（序列是否需要做转换、ARIMA说明）交易节假日设定（不适用）离群值设定 模型诊断（选上）序列的季节调整操作 5.执行季行季节调整整6.查看季看季节调整后的整后的结果果查看序列的季节因子图形，比较原序列和经季节调整后的序列7.分析季分析季节调整的整的结果果诊断断报告告主要查看M1-M11、以及Q统计量有没有通过检验如果诊断报告不好，返回第4步8.导出数据，在出数据，在EXCEL中中计算算环比增比增长率率 序列的季节调整操作v实例演示例演示序列：我国某个行业的季度不变价增加值(不妨该序列直接命名为GDP)序列长度为10年（2000年1季度至2009年4季度）序列的季节调整操作原序列的图形 序列的季节调整操作参数参数设定：定：v季节调整选择设定 （乘法模型,默认的季节滤子和趋势滤子,调整后序列前缀也命名为GDP，并生成所有的序列）vARIMA选择 （不做数据转换，ARIMA说明选为默认的(0 1 1)(0 1 1)）v交易日、节假日设定 （不选）v离群值设定 （不选）v诊断 （季节因素稳定性分析项选移动间距，其它诊断分析项全选）序列的季节调整操作原序列的季节因子 序列的季节调整操作原序列和季节调整后的序列 序列的季节调整操作季节调整诊断报告 序列的季节调整操作如何如何查看看诊断断报告：告：1、诊断报告的内容（8部分）u前言：前言：执行季节调整的设置文件等u 输出表出表A部分：部分：序列数据u 输出表出表B部分：部分：初步估计异常值和日历效应（B1-B20）u 输出表出表C部分：部分：异常值和日历效应的最终估计（C1-C20）u 输出表出表D部分：部分：不同成分的最终估计（D1-D18）u 输出表出表E部分：部分：序列的变动等（E1-E7）u 输出表出表F部分：部分：季节调整质量的衡量u输出表出表G部分：部分：谱图分析 序列的季节调整操作输出表出表B部分：部分：初步估计异常值和日历效应B1 -原始序列或经过先验调整的原始序列B2 -趋势-循环成分（TC）的初步估计B3 -未修正的季节-不规则成分（SI）的初步估计B4 -替换季节-不规则成分中的异常值B5 -季节成分估计B6 -估计季节调整后的序列B7 -趋势-循环成分（TC）估计B8 -季节-不规则成分估计B9 -替换季节-不规则成分中的异常值B10-季节成分估计B11-估计季节调整后的序列B12 不规则成分估计B13 估计月度数据的日度构成效应（交易日效应）B14-为回归交易日效应而排除异常值的不规则成分B15-初步回归交易日效应B16-回归得到的交易日调整因子B17-用于调整不规则成分的初步权重B18-组合交易日因素B19-从原始序列中修正交易日效应B20 调整不规则成分中的异常值 序列的季节调整操作输出表出表C部分：部分：异常值和日历效应的最终估计C1 -经先验调整、交易日调整和异常值修正的原始序列C2 -趋势-循环成分（TC）的初步估计C4 -修正的季节-不规则成分（SI）的初步估计C5 -季节成分估计C6 -估计季节调整后的序列C7 -趋势-循环成分（TC）估计 C9 -季节-不规则成分估计C10 季节成分估计C11-估计季节调整后的序列C13-不规则成分估计C14 为回归交易日而排除异常值的不规则成分C15-最终回归交易日效应C16-回归得到的交易日调整因子C17 用于调整不规则成分的初步权重 C18-组合交易日因素C19-对原始序列进行交易日效应调整C20-调整不规则成分中的异常值 序列的季节调整操作输出表出表D部分：部分：不同成分的最终估计D1 -经先验调整、交易日调整和异常值修正的原始序列D2 -趋势-循环成分（TC）的初步估计D4 -修正的季节-不规则成分（SI）的初步估计 D5 -季节成分估计D6 -估计季节调整后的序列D7 -趋势-循环成分（TC）估计D8 -未修正的季节-不规则成分估计D9 -替换季节-不规则成分中的异常值D10 季节因素的最终估计D11 经交易日和季节调整后的序列D12 趋势-循环成分的最终估计D13 不规则成分的最终估计 D16-多种季节和日历效应估计 D18-组合的日历效应因素 序列的季节调整操作输出表出表E部分：部分：序列的变动等 E1 -修正了非常异常值的原始序列E2 -修正了非常异常值的季节调整后序列E3 -修正了非常异常值的最终不规则成分E4 -原始序列和季节调整后序列的年度总和E5 -原始序列的变动E6 -最终季节调整后序列的变动E7 -最终趋势-循环成分的变动 序列的季节调整操作输出表出表F部分：部分：季节调整质量的衡量 F1 -使用MCD移动平均平滑季节调整后的序列F2(a)主成分的变动绝对值F2(b)各成分对原始序列的变动的相对贡献F2(c)变动的平均值和标准差F2(d)平均游程长度F2(e)计算MCD比率F2(f)各成分对原始序列平稳部分的方差的相对贡献F2(g)不规则成分的自相关系数F2(h)-I/C和I/S比率 F2(i)-重复季节性的存在性检验结果F3 -季节调整质量的统计量 序列的季节调整操作2、诊断报告的重点（F3部分、G部分的谱图）F3给出了出了11种种统计量（量（M1-M11）来判断季）来判断季节调整的整的质量。量。这些些统计量取量取值在在0-3之之间，但只有小于，但只有小于1的的值才是可以接受的才是可以接受的（值越小越好）。最后，利用者越小越好）。最后，利用者11个个统计量的量的线性性组合，加合，加权计算出一个算出一个评价季价季节调整整质量的复合指量的复合指标（Q统计量量），并），并给出出结果是果是接受接受（ACCEPT）还是是拒拒绝（NOT ACCEPT）。）。G部分的部分的谱图包括差分后的季包括差分后的季节调整序列和不整序列和不规则成分的普成分的普图。其中，。其中，红色垂色垂线代表季代表季节频率，黑色垂率，黑色垂线代表代表节假日交易假日交易日日频率。如果率。如果这些些垂垂线刚好落到好落到谱图的的峰峰值上，意味上，意味这季季节调整整处理不充分，否理不充分，否则，季，季节调整整结果是可接受的。果是可接受的。序列的季节调整操作M1-M11以及Q统计量 序列的季节调整操作差分后的季节调整序列的谱线图和不规则成分的谱线图