本文共 1983 字，大约阅读时间需要 6 分钟。

最近写论文建模时，需要用到eviews软件。

以前学过，但是基本忘了，前来做个记录。

创建工作文件

在命令输入窗口键入命令

Create 时间频率类型 起始期 终止期

例如

创建一个1990年到2004年的时间数据工作文件，则需键入命令：

CREATE A 1990 2004

创建一个1990年1月到2004年12月的时间数据工作文件，则需键入

命令：CREATE M 1990：1 2004：12

序列的创建

Series 序列名Series 序列名1 序列名2 序列名3genr 序列名 = 表达式

或者

例如：需要计算 $$r=\log \left(\frac{p_t}{p_{t-1}}\right)$$

输入命令

genr r=log(p/p(-1))

时序图

ADF单位根检验

自相关系数和偏自相关系数

差分

若序列呈现出上升趋势，利用差分方法消除增长趋势，在命令栏里输入

一阶差分Series dy1=d(y)或Series dy1=d(y,1)或Series dy1=y-y(-1)二阶差分Series dy2=d(y，2)k阶差分Series dyk=d(y，k)

季节差分法消除季节变动

如果经过一阶差分过的序列 不再有明显的上升趋势，但有明显的季节变动，可进行季节差分。比如现在通过12步差分来消除季节变动，在命令栏里输入

1阶12步差分

Series Sy1=d(y,1,12)或Series Sy1=y1-y1(-12)

得到消除季节变动

差分的方式小结

• 对线性趋势的序列，一阶差分即可提取确定性信息，命令为d(y)
• 对曲线趋势的序列，低阶差分即可提取序列的确定性信息，命令为d(y,a)
• 对具有周期性特点的序列，k步差分即可提取序列的周期性信息，命令为d(y,0,k)
  对既有长期趋势又有周期性波动的序列，可以采用低阶——k步差分的操作提取确定性信息，操作方法为d(y,a,k)

非平稳序列如果经过差分变成平稳序列，则称这类序列为差分平稳序列，差分平稳序列可以使用ARIMA模型进行拟合。

---

模型参数估计（对参数不显著项，可以直接删除该项）

$AR(3)$

ls y c ar(1) ar(2) ar(3)

$MA(2)$

ls y c ma(1) ma(2)

$ARMA(1,1)$

ls y c ar(1) ma(2)

$ARMA(1,3)$

ls y c ar(1) ma(1) ma(2) ma(3)

$ARMA(2,5)$

ls y c ar(1) ar(2) ma(1) ma(2) ma(3) ma(4) ma(5)

$ARIMA(4,1,1)$

ls d(y,1) c ar(1) ar(2) ar(3) ar(4) ma(1)

$ARIMA(2,2,2)$

加一个对数处理ls d(log(y),2) c ar(1) ar(2)  ma(1) ma(2)

乘积季节ARIMA模型

$ARIMA\left(1,1,1\right)\times {\left(1,1,1\right)}^{12}$

ls d(y,1,12) ar(1) ma(1) sar(12) sma(12)

若同时需要取自然对数

ls dlog(y,1,12) ar(1) ma(1) sar(12) sma(12)

$ARIMA\left(2,1,2\right)\times {\left(1,1,1\right)}^{12}$

ls d(y,1,12) ar(1) ar(2) ma(1) ma(2) sar(12) sma(12)

$ARIMA\left(0,1,1\right)\times {\left(1,1,1\right)}^4$

ls d(y,1,4)  ma(1) sar(4) sma(4)

转载地址：http://ebkg.baihongyu.com/