EViews基础与季节调整操作解析.ppt

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,最常用的季节调整方法 1. X-12-ARIMA 2. TRAMO-SEATS 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,EViews基础 （EViews简介、数据处理基础、季节调整选项卡等） 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,什么是EViews EViews软件是广泛使用的经济计量软件之一。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,EViews特点：交互式英文界面、简单易学 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。 EViews窗口： 由如下五个部分组成：标题栏、主菜单、命令窗口、状态栏、工作区。（见下图）,命令窗口,标题栏,工作区,主菜单,状态栏,EViews基础,其中，主菜单包括如下9个菜单 File 有关文件的常规操作，如建立、打开、保存、关闭等 Edit 通常提供编辑功能，如对窗口内容进行复制、剪切、删除等 Objects 提供关于对象的基本操作，如新建对象、复制对象等 View 主要涉及变量的多种查看方式 Procs 主要涉及变量的多种运算过程 Quick 提供快速分析过程，包括常用的统计分析方法、回归模型等 Options 系统参数设定选项，如窗口的显示模式、字体格式等 Windows 提供关于窗口切换、关闭等操作 Help EViews软件的帮助选项,EViews基础,EViews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,工作文件的创建 从主菜单选择File/New Workfile，打开Workfile Create对话框，如下图所示,EViews基础,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,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,什么是对象？ EViews的核心是对象，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，工作文件就是最重要的对象集合。,EViews基础,建立对象 选择主菜单上的“Object/New Object”。出现New Object对话框（见下图）。,EViews基础,查看对象 可在文件窗口中双击某个对象，见下图。,EViews基础,序列数据的录入 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）,EViews基础,序列对象的窗口,EViews基础,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,含多个对象的工作文件窗口,EViews基础,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,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,序列的季节调整操作： 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5个选择框，如下图 季节调整选择设定 （Sensonal Adjustment） ARIMA选择 （ARIMA Options） 交易日、节假日设定 （Trading Day/Holiday） 离群值设定 （Outliers） 诊断 （Diagnostics）,序列的季节调整操作,季节调整选择设定 X11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(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（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（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,ARIMA 选择 数据转换（Data 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 ARIMA说明(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),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（Regressors） 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,交易日、节假日设定 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,离群值设定 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,诊断 季节因素的稳定性分析（Stability Analysis of Seasonals） Sliding spans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 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（Other Diagnostics） 可以选择显示各种诊断输出： Residual diagnostics 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 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 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,X-12-ARIMA季节调整的流程图,序列的季节调整操作,X-12-ARIMA季节调整的流程图,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,诊断分析结果,序列的季节调整操作,用EViews软件进行季节调整的操作步骤： 1.准备一个用于季节调整的时间序列（GDP） 注意：序列需同口径（当月或当季）、不变价、足够长度 2.在EViews中建立工作文件，导入序列数据 3.序列图形分析 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.季节调整参数设定（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.执行季节调整 6.查看季节调整后的结果 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.分析季节调整的结果诊断报告 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EXCEL中计算环比增长率,序列的季节调整操作,实例演示 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,参数设定： 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） ARIMA选择 （不做数据转换，ARIMA说明选为默认的(0 1 1)(0 1 1)） 交易日、节假日设定 （不选） 离群值设定 （不选） 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,如何查看诊断报告： 1、诊断报告的内容（8部分） 前言：执行季节调整的设置文件等 输出表A部分：序列数据 输出表B部分：初步估计异常值和日历效应（B1-B20） 输出表C部分：异常值和日历效应的最终估计（C1-C20） 输出表D部分：不同成分的最终估计（D1-D18） 输出表E部分：序列的变动等（E1-E7） 输出表F部分：季节调整质量的衡量 输出表G部分：谱图分析,序列的季节调整操作,输出表B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C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D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E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F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11种统计量（M1-M11）来判断季节调整的质量。这些统计量取值在0-3之间，但只有小于1的值才是可以接受的（值越小越好）。最后，利用者11个统计量的线性组合，加权计算出一个评价季节调整质量的复合指标（Q统计量），并给出结果是接受（ACCEPT）还是拒绝（NOT ACCEPT）。 G部分的谱图包括差分后的季节调整序列和不规则成分的普图。其中，红色垂线代表季节频率，黑色垂线代表节假日交易日频率。如果这些垂线刚好落到谱图的峰值上，意味这季节调整处理不充分，否则，季节调整结果是可接受的。,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,THE END,