我也想知道

如果是在回归方程中引入季节调整的虚拟变量的话，可以用@SEAS(d)这个函数。在QUICK-GENERATE SERIES BY EQUATION，弹出选项框中分别输入：

q1=@seas(1)

q2=@seas(2)

q3=@seas(3)

q4=@seas(4)

这样就生成了四个序列，q1-q4。分别代表四个季节。

说明：

季节调整(Seasonal Adjustment)

在序列窗口的工具栏中单击Procs/Seasonal Adjustment，有4种季节调整方法， X12方法、X11方法、Tramo/Seats方法和移动平均方法。

一、  Census X12方法

调用X12季节调整过程 Census X12，X12方法有5种选择框。

1．季节调整选择（Seasonal Ajustment Option）

① X11方法（X11 Method）这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须伴随ARIMA说明）；

② 季节滤波(Seasonal Filter)当估计季节因子时，允许选择季节移动平均滤波（可能是月别移动平均项数），缺省是X12自动确定。近似地可选择(X11 defaul)缺省选择。

③ 趋势滤波（Trend Filter (Henderson)）指定亨德松移动平均的项数，可以输入大于1和小于等于101的奇数，缺省是由X12自动选择。

④ 存调整后的分量序列名（Component Series to save）X12将加上相应的后缀存在工作文件中。

2．ARIMA选择（ARIMA Option）

X12允许你在季节调整前对被调整序列建立一个合适的ARMA模型。可以在进行季节调整和得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。

①     数据转换（Data Transformation）

②     ARIMA说明(ARIMA Spec)

允许你在2种不同的方法中选择你的ARIMA模型。

·Specify in-line 选择

要求提供ARIMA模型阶数的说明（p，d，q）(P，D，Q)，缺省的指定是“(0 1 1)(0 1 1)”是指季节的IMA模型：

L是滞后算子，这里季节差分是指 ，季度数据时s =4；月度数据时s =12。

·Select from file X12将从一个外部文件提供的说明集合中选择ARIMA模型。

③     回归因子选择（Regressors）

允许你在ARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。

④     ARIMA估计样本区间 (ARIMA Estimation Sample)

3．贸易日和节假日影响选择

4．外部影响(Outlier Effects)

5．诊断（Diagnostics）

二、X11方法

X-11法是美国商务部标准的调整方法(乘法模型、加法模型)，乘法模型适用于序列可被分解为趋势项与季节项的乘积，加法模型适用于序列可被分解为趋势项与季节项的和。乘法模型只适用于序列值都为正的情形。

关于调整后的序列的名字。Eviews在原序列名后加SA，可以改变序列名，将被存储在工作文件中。应当注意，季节调整的观测值的个数是有限制的。X-11只作用于含季节数据的序列，需要至少4整年的数据，最多能调整20年的月度数据及30年的季度数据。

三、移动平均方法

四、tramo/Seats

指数平滑

指数平滑是可调整预测的简单方法。当你只有少数观测值时这种方法是有效的。选择Procs/Exponential Smoothing ，提供以下信息：

一、 平滑方法 在5种方法中选择一种方法。

二、平滑参数 可以让Eviews估计它们的值。在填充区内输入字母e，Eviews估计使误差平方和最小的参数值。在填充区内输入参数值，所有参数值在0-1之间。

三、平滑后的序列名 Eviews在原序列后加SM指定平滑后的序列名，也可以改变。

四、估计样本 必须指定预测的样本区间。缺省值是当前工作文件的样本区间。

五、季节循环 可以改变每年的季节数（缺省值为每年12个月、4个季度）。

Hodrick-Prescott滤波

具体可参见高铁梅老师《计量经济分析方法与建模》，第二章。

[此贴子已经被作者于2008-8-27 11:43:05编辑过]