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
,