1、第二章第二章 EVIEWSEVIEWS 操作流程操作流程 实证目的： 以美国 19292009 年的 GDP 数据为例， 探讨时间序列 GDP 的数 据动态规律 操作流程如下： （1）建立工作文档:filenewworkfile （2）输入数据区间，如图： （3）确定数据类型： objectnew object，确定数据类型和变量名称，如图： （4）录入数据：点开序列 rgdp，点击“Edit+/-”即可录入或者复制数据 （5）检验数据的平稳性：viewunit root test，检验类型选择 phillips-perron, 检验项目选择 level, 其他按照默认值即可，如图 结果如下，
2、拒绝原假设，数据为不平稳序列 （6）检验一次差分后的平稳性，viewunit root test，检验类型选择 phillips-perron,检验项目选择 lst difference, 其他按照默认值即可，结果为平稳序 列，如图 （7）由于一次差分后才是平稳时间序列，所以数据为一阶单整。原始数据非平 稳，不能直接做动态分析，要生成一次差分后的新序列，才能做动态分析：命令 窗口输入“new series rgdp1=d(rgdp)” ，然后回车键。如图 （8）点开新序列 rgdp1，做相关图分析，以判断动态序列的 ar 阶数和 ma 阶数， 操作如下：viewcorrelogram。 结果如
3、下： 由该自相关图和偏相关图可判断动态模型为 ARMA(1,2). (9)构建模型： quickequation estimation。 在模型窗口输入： rgdp1 c ar(1) ma(1) ma(2).结果如图： 由结果图可确定模型为：rgdp1=161.60+Ut Ut=0.8379Ut-1-0.267ma(1)-0.299ma(2)+e rgdp1=161.6+0.8379*rgdp1(-1)-161.6-0.267ma(1)-0.299ma(2) （10）模型诊断：在模型估计结果的基础上：viewresidual diagnostics Correlogram-Q-statistics。结果如图： 由结果可知，累积 Q 统计量，为 21.013，p 值为 0.859，因此不能拒绝原假设， 可以认为模型较好的拟合了数据。
