如何用eviews做时间序列分析

你好，用eviews做时间序列分析的方法/步骤 创建Workfile：点击File/New/Workfile，输入起止日期 建立object输入数据：点击object/new object，定义数据文件名ex4_2并输入数据。

将Workfile保存：点击File/save，而store只存储对象object。

画时序数据图：点击Workfile中的View/line graph。

用单位根法检验平稳性：点击View/Unit Root Test，比较ADF值。

结果分析：由图知：ADF_T=0.0722>-3.4946，则X序列非平稳。

模型识别：点击View/correlogram画自相关系数（AC）和偏自相 关系数（PAC）图。

则当K>2时，则，即呈现2步截尾现象，而 序列被负指数函数控制收敛于零，呈拖尾现象，故可初步判定序 列Y适合AR(2)模型。

时间序列分析的基本步骤

时间序列建模基本步骤是：
①用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。

②根据动态数据作相关图，进行相zhidao关分析，求自相关函数。

相关图能显示出变化的趋势和周期，并能发现跳点和拐点。

跳点是指与其他数据不一致的观测值。

如果跳点是正确的观测值,在建模时应考虑进去,如果是反常现象，则应把跳点调整到期望值。

拐点则是指时间序列从上升趋势突然变为下降趋势的点。

如果存在拐点，则在建模时必须用不同的模型去分段拟合该时间序列，例如采用门限回归模型。

③辨识合适的随机模型,进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据。

对于短的或简单的时专间序列，可用趋势模型属和季节模型加上误差来进行拟合。

对于平稳时间序列，可用通用ARMA模型（自回归滑动平均模型）及其特殊情况的自回归模型、滑动平均模型或组合-ARMA模型等来进行拟合。

当观测值多于50个时一般都采用ARMA模型。

对于非平稳时间序列则要先将观测到的时间序列进行差分运算，化为平稳时间序列，再用适当模型去拟合这个差分序列。