用eviews做svar模型_SVAR模型制作过程

设置月度数据

MONTHLY>start date

：

2008M01>end date 2018M08

一，数据的季节调整(利用

x-12

进行季节性调整)

由于在建模时所选取的是宏观经济的月度数据，

而月度数据容易受到季节因素的影

响，从而掩盖经济运行的客观规律，因此我们采用

Census

X13

(功能时最强大的)

调整方法对各个变量数据进行季节性调整。

分别记做

CPI

’

、

FOOD

’

、

HOUSE

’

、

M2

’

、

VMI

’

。

时间序列按照时间次序排列的随机变量序列，

任何时间序列经过合理的函数变

换后都可以被认为由几个部分叠加而成。

三个部分：

趋势部分

(

T

)

，

季节部分

(

S

)

和随机噪声部分(

I

)

。常见的时间序列都是等间隔排列的。

时间序列调整各部分构成的基本模型

X

t

=T

t+

+T

t

+I

t

对任何时刻有，

E

(

I

t

)

=0

，

Var

(

I

t

)

=

σ

2

加法模型

X

t

=T

t

*T

t

*I

t

对任何时刻有，

E

(

I

t

)

=1

，

Var

(

I

t

)

=

σ

2

加法模型

(

1

)

判定一个数据序列究竟适合乘法模型还是加法模型，可考察其趋

势变化持性及季节变化的波动幅度。

(

2

)

所谓季节调整就是按照上述两种模型将经济时间序列进行分解，

去掉季节项的序列成为调过序列。

对于时间序列而言是否存在整体趋势？如果是，

趋势是显示持续存在还是显示将随时间

而消逝？

对于时间序列而言是否显示季节性变化？如果是，

那么这种季节的波动是随时间而加剧

还是持续稳定存在？

对于时间序列的分解模型主要有加法模型和乘法模型。

加法模型适用于

T

、

S

、

C

相互独立的情形。

乘法模型适用于

T

、

S

、

C

相关的情形。

由于时间序列分解的四大要素一般都存在相

互影响，因此大多数的经济数据都采用乘法模型进行季节性分解。

第一步：双击进行季节性调整的变量组

CPI

，