周期因素的测定 计量经济学 EVIEWS建模课件.pptx

周期测定分析;一、周期状态的判断;通过散点图可以直观判断是否存在趋势和各种周期。如果直觉周期长度为k，则可以分段列表借助方差分析进行判断，以确定周期是否明显存在。该检验方法的应用技术如下： ⒈编制方差分析表 按可能的周期长度k来分行，即每k个数据作为一行；然后编制一个实验性数据表如下页表所示： 该表中的数据分为m行、k列，观察各行和各列的离差情况，进行方差分析如下：;阶段B 周期A;⒊判断原理说明 ⑴该表中的m行相当于m组，每行都为一组；如果各行的平均水平差距较大，则组间的差距解释总离差的程度就超过随机因素的解释程度，则说明该序列存在着趋势的因素，即周期组之间的差距显著。 ⑵从表的各列来看，每一列都视为一组，则全部数据分为k组，如果各列之间的平均水平差距较大，即k组之间的差距解释总离差的程度超过了随机因素的解释程度，则说明该序列存在周期的因素，即周期内各阶段的变化较随机因素明显。;⒋ 利用F统计量进行判断: ⑴在原假设H0A: Y1u = Y2u = … = Ymu成立，即各周期之间的平均水平没有区别时，检验统计量为： FA = (k-1)ASS/RSS～F[m-1,(m-1)(k-1)] 若FAFα，即否定H0A则说明序列存在趋势的作用; ⑵在原假设H0B: Yu1 = Yu2 = … = Yuk成立，即各周期内部的各期平均水平没有区别时，检验统计量为： FB = (m-1)BSS/RSS～F[k-1,(m-1)(k-1)] 若FBFα，即否定H0B则说明该序列可能存在趋势或周期因素的作用;;⒌综合判断 结合上述两种假设及检验则有如下判断结果： ⑴若只否定H0A：则说明序列可能只存在趋势因素的作用，而没有周期因素； ⑵若只否定H0B：则说明序列只存在周期因素，而没有趋势因素。 ⑶若同时否定H0A和H0B：则说明该序列肯定存在趋势因素的作用，或许还存在周期性的因素作用的结果。;㈠ 周期比率的直接计算 ⒈基本方法。如果一个时序存在明显的周期波动，而长期的趋势不明显时，可直接采用按周期平均法来测定周期比率。随周期不同可称之为年比率、季节比率、月比率、周比率等。其计算步骤如下： ⑴计算各周期(如年)同阶段(如季)的平均数。该平均可消除偶然的因素影响，只反映周期各阶段的水平。 ⑵计算各周期所有各阶段的总平均数。它是消除了偶然因素和季节因素影响的一般水平。;⑶计算周期比率。它是各周期的同阶段的平均数与总平均数之比，反映周期各阶段对现象发展的影响程度和影响方向。周期比率越大于1，则说明现象在周期内的该阶段处于高峰期，越小于1就越说明现象处于低谷期，等于1则说明与总平均水平一致。 ⑷调整计算结果。周期内各阶段的周期比率之和应等于周期长度，如年周期分为12个阶段月，则月比率之和为12；若分为4个阶段季，则季节比率之和应等于4。如果周期比率之和不等于周期长度，则应计算周期比率调整系数： 调整后的周期比率=原周期比率×调整系数;⒉一般在乘法模型中使用这种方法 由于乘法模型不存在明显的趋势，且周期较为明显，所以人们常对其直接进行季节比率的计算。如图所示：;㈡趋势剔除后的周期比率计算 ;第二步，在原时序Y中剔除移动平均序列YTC，所得到的新时序就是只含有周期因素变动影响的数列YSI了。对于乘法模型有：YSI = Y/YTC ；而对于加法模型则有：YSI = Y-YTC 。 第三步，利用前述的周期比率计算方法，对新数列YSI进行周期比率的计算。你会发现乘法模型的各阶段简单算术平均的结果，往往就是周期比率；而加法???型需要利用调整系数进行调整。 现分别以加法模型数据实证如下：;由于模拟数据的加法模型存在明显的趋势，所以周期测定时，以移动平均来剔除，观察其基本周期为7，则7项移动平均值YJM7如下图所示： 从图中可以看出 其中还可能存在着较 长的周期，查数据可 知周期为32期。 利用该数据扣除 线性趋势预测值Y4JF则：;YJM7-Y4JF=YJC，即长周期的图形如下： 用YJC计算长周期 指数，见程序YJC.EXCEL 图形如下： 而短周期可以使用 Y4J-YJM7=YJSI，则有：;利用YJSI的数据，可以同期平均计算短周期的周期指数，将其归一化处理后与原始数据对比如下： 从两列数据的对比上可以看出各行的数据几乎是非常接近的。该结果说明此种方法是很有效的。 参见计算实例