GUIA PARA USO DE EViews 1.

Ingreso de datos (a) Al abrir EViews se ve lo siguiente:

(b) Suponga que los datos estn en un archivo de Excel. Considere la funcin consumo para el Reino Unido. Las variables estn en en columnas. La primera fila es el nombre variable. No puede usar C como un nombre de variable, porque es el nombre reservado para la constante en EViews. La primera variable puede ser la frecuencia (ao, el ao y el trimestre, etctera) o esta puede ser imputada por EViews. Supondremos aqu que el archivo de Excel slo contiene los datos y no la frecuencia. Por lo tanto, nos vamos a File/Open/Foreign Data as Workfile, localizamos el archivo de Excel y lo abrimos. Esto lo llevar a travs de varias opciones pero bsicamente podemos hacer caso omiso e ir a Finish:

(c) Primero, tenemos que definir la frecuencia de datos. Aqu los datos son anuales, de 1955 a 1999. Ir a Window/2 Workfile: .. Este producir la siguiente ventana, que es la ventana de bsica de trabajo de EViews:

(d) Note que el archivo incluye la dos variable (el ingreso - el gasto).. Tambin incluye el perodo constante - c - y una variable para incluir valores de cualquier residuals generados por las regresiones (esta variable en este momento no contiene ningn valor). Podemos aadir las frecuencias de datos ahora haciendo doble clic en "Alcance", e introducir la informacin en consecuencia. Lo siguiente es producido entonces/luego, con las fechas apropiadamente ajustar (si las fechas estn en el archivo de Excel original en el que stos sern ledos automticamente):

(e) El archivo puede ser guardado haciendo clic en el archivo / guardar, que guardar el archivo como un EViews Workfile (que es la forma en la que ser abierto de all en adelante) ahora.. El nombre de incumplimiento es el nombre del archivo de Excel, y ser guardado en el directorio de incumplimiento. Al cambio cualquiera de stos usa guardar como. 2. Anlisis de datos bsicos (a) De la ventana de Workfile, haga doble clic en cualquier variable que usted desea analizar. Considere a convictos. Hacer doble clic sobre convictos causa la serie de datos en un formato de hoja de clculo, de la siguiente manera (en cuanto la ventana ha sido expandida):

(b) Los anlisis de datos bsicos pueden ser llevados a cabo va el botn de visualizacin ahora. Por lo tanto, un grfico de los datos es generado va la vista / grfico / lnea, de la siguiente manera:

(c) Este grfico puede ser editado va derecha - clic y opcin, copiado (va el derecha clic) y pegar en un archivo de Word, de la siguiente manera: 520000
480000 440000 400000 360000 320000 280000 240000 200000 160000 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98

CONS

(d) Note que una diferencia entre el clculo y los perodos pronosticados pueden ser conseguidos aadiendo una lnea vertical a cualquier ao seleccionado, va el sombreado de Add derecho - clic. Por lo tanto, usando lo pasado 10 aos como el punto pronosticado, podamos aadir una lnea vertical en 1989 de la siguiente manera, produciendo the following grfico (el texto tambin puede ser aadidos va la opcin de texto de Add, y arrastrar y bajar para localizar el clculo apropiadamente y pronosticar que los puntos han sido aadidos aqu):

520000 480000 440000 400000 360000 320000 280000 240000 200000 160000 Estimation period Forecast period

56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98

CONS

(e) Estadsticas descriptivas pueden ser obtenido, otra vez va el botn de visualizacin. Por lo tanto, haga clic en visualizacin y luego hoja de clculo primero para regresar a las estadsticas de serie, y luego visualizacin / Descriptive de datos y luego a la opcin deseada. The following producto es causado por el histograma y la opcin de estadsticas (aunque tal anlisis no es particularmente apropiado para los datos de tiempo - serie):

(f) Las correlaciones pueden ser obtenido regresando a la ventana de Workfile, hacer clic en la serie de datos (usar CTRL - clic) sobre dos o more y hacer doble clic sobre la serie seleccionada. Los datos saldrn en un formato de hoja de clculo entonces/luego, y la visualizacin contendr a range of opciones adicionales, incluyendo las correlaciones ahora. 3. Anlisis de regresin (a) La manera ms simple de generar una ecuacin de regresin es regresar a la ventana de Workfile. Haga clic en la variable dependiente, y luego sujete tecla ctrl y clic sobre la variable independiente (s), pero no el perodo constante (esto ser aadido automticamente). Haga clic con el botn derecho del ratn en cualquier variable seleccionada entonces/luego, y luego abra / como la ecuacin, tan hacia dentro:

(b) Lo siguiente es producido entonces/luego (que tambin puede ser obtenido va la identificacin de Quick / clculo aproximado, pero que involucrara el mecanografiar en variables explcitamente):

(c) Note que bajo la ventana de muestra, el perodo de clculo puede ser variado por lo tanto,.. The following producto de clculo es producido entonces/luego (el producto puede ser seleccionado, copiado y pegado en un archivo de Word):

(d) A range of pruebas adicionales pueden ser llevado a cabo, como la correlacin por entregas (adems de
DW), la prueba vuelto a poner de Ramsey, una prueba de normalidad y una prueba de heteroscedasticity.. Por lo tanto, empezando con la correlacin por entregas

la prueba, vamos a Tests / serie Correlation de prueba de LM de visualizacin / Residual que usted ser exigido indicar que el nmero de los lapsos requera sobre los residuals, y aqu optar por 4 (arbitrariamente) causa the following producto:

Note que las dos estadsticas de prueba son muy importantes, confirmando la conclusin de la prueba de DW.. La F - estadstica slo es obtenido de una prueba de la trascendencia conjunta

de los coeficientes sobre los trminos residuales ido a la zaga de. Si solamente un lapso sobre los residuals fuera pedido, entonces/luego esta F - estadstica sera slo el cuadrado de la t - estadstica sobre RESID (- 1). (e) En relacin con una prueba para la no linealidad, la prueba vuelto a poner de Ramsey puede ser usado. Por lo tanto, otra vez ir a pruebas / Ramsey de Stability a la visualizacin pero ahora volvi a poner Test, the following producto es producido (ignorar que the following cuadro de dilogo - el incumplimiento es incluir un trmino alineado):

Por lo tanto, las estadsticas de prueba insignificantes son producidas (es decir la F - estadstica es slo el cuadrado de la t - estadstica sobre el cuadrado de los valores entallados en la ecuacin de regresin)..

(f) Tambin podemos considerar la normalidad de los trminos residuales, va la vista / Residual las pruebas / histograma - normalidad hacen pruebas. The following producto es producido, indicando que una hiptesis nula de residuals normales debe ser rechazado.

(g) Definitivamente, podemos considerar la posibilidad de heteroscedasticity. Esto es encontrado bajo pruebas / White Heteroskedasticity de visualizacin / Residual (ningunos trminos de cross). The following producto es producido, que slo ser obtenido de una regresin de los residuals alineado sobre la variable independiente y el cuadrado de la variable independiente (en la caja de una regresin mltiple los valores entallados seran usados) - las estadsticas de prueba (la F - estadstica) aqu es

slo la F - estadstica de esta regresin. Note que en este caso la hiptesis nula of no heteroscedasticity tendra que ser rechazado por lo tanto,.

.. Pronosticar

(a) Considere usar nuestro consumo simple la funcin para generar 10 pronsticos - es decir de 1990 a 1999. Por lo tanto, primero necesitamos re- calcular la ecuacin hasta 1989, y luego generar los pronsticos a 1999. Podemos conseguir esto haciendo clic en el botn de Estimate en la ventana de ecuacin, y cambiar las fechas de muestra a 1955 a 1989. Esto causar the following producto:

10

(b) Despus, generamos los pronsticos.. Esto es conseguido haciendo clic en el botn pronosticado en la ventana de clculo. La notificacin de que la ventana de muestra de Forecast demuestra el perodo de fecha entero, 1955 a 1999. Por lo tanto el procedimiento generar tanto el entallado como valores pronosticados (si requerimos slo el pronstico valores a los que cambiaramos la muestra pronosticada 1990 a 1999). Note que este enfoque solamente es aplicable a la caja de generar los pronsticos estticos. Note tambin que el generar quedaba bien y pronostique que los valores sern destinados a un consf variable (podamos cambiar este nombre variable si requerir) automticamente. Por lo tanto, hacer clic en OK causa the following producto - note que un grfico del entallado y valores pronosticados son producido, con las 2 cintas de error usuales, y a variety of estadsticas de resumen, pero remitir al entallado a todos por lo tanto, y pronostique valores (ver abajo para un anlisis ms explcito de los pronsticos solamente): (c) Es til obtener un grfico de los actuals en contra quedar bien y pronosticar valores. Esto puede ser conseguido haciendo clic en el grfico de Quick / grfico / lnea, y luego cambiar la serie demostrada a convictos y a consf. Esto produce the following grfico, donde el grfico ha sido editado incluir una lnea vertical en 1989, sealar la diferencia entre la estimacin y pronosticar los perodos (y un poco de texto tambin ha sido aadido, y los valores / pronsticos entallados son mostrados como una lnea discontinua ahora) - usted ve? 2. (D) de arriba.

11

(d) Podemos sufrir los mismos procedimientos para la caja de un modelo dinmico, donde ahora habr una diferencia entre los pronsticos estticos y dinmicos. Por lo

tanto, regresamos a la ventana de clculo, hacemos clic en Estimate y luego corregimos la ecuacin para incluir a convictos (- 1) como una variable independiente. El perodo de clculo se queda como 1955 a 1989. Es decir hemos: (e) The following producto es producido entonces/luego:

12

(f) Podemos generar al entallado ahora y pronosticar valores. Por lo tanto, hacemos clic en Forecast y notamos que tenemos una eleccin entre los pronsticos dinmicos y estticos ahora. Empezaremos con los pronsticos estticos, y seleccionaremos esta alternativa (pronosticar que la muestra todava es 1955 a 1999) therefore. Producto similar para eso menor de 4. (B) es producido de arriba, y podemos seguir adelante entonces/luego a producir un grfico de valores verdaderos y entallados, como en 4. (C) de arriba. Luego de los mismos procedimientos the following grfico es producido (otra vez, despus de un poco de edicin):

(g) Podemos pasar por el mismo proceso de obtener los pronsticos dinmicos, produciendo the following grfico de actuals contra valores / pronsticos entallados. Los defectos claros del modelo pueden ser visto even more evidentemente que antes ahora.

(h) Sin embargo, note que los pronsticos mostrados en el grfico previo no son estrictamente los pronsticos dinmicos.. Porque considere el primer pronstico en 1990. El pronstico dinmico sera generado by:
cons 90 = -169.4561 + 0.413359 * inc 90 + 0.582884 * cons 89

Pero por supuesto consumidores gasto por 1989 es conocido, y por lo tanto el primero por el que el pronstico dinmico sera dado:

cons 90 = -169.4561 + 0.413359 * inc 90 + 0.582884 * cons 89

13

De all en adelante, los valores pronosticados de convictos en los perodos previos tendran que ser usados. Estos pronsticos dinmicos pueden ser generados en EViews usando Forecast otra vez en la ventana de ecuacin, pero cambiar la muestra pronosticada a 1990 a 1999 ahora. Note que este procedimiento no causara ningn valor entallados durante el perodo de clculo (aunque stos pueden ser generados see la discusin del modelado de BJ abajo). El grfico de los pronsticos dar como resultado es a saber:

14

5. Valorar pronosticar el rendimiento (a) La forma ms simple de pronosticar la evaluacin es una evaluacin grfica informal, como demostrar en la seccin previa. Es en general til comparar los valores entallados (durante el perodo de clculo) con los valores pronosticados (durante el perodo pronosticado) y determinar si would parecer estar cualquier futilidad entre el rendimiento de clculo del modelo y su pronosticar el rendimiento (pero tambin la destitucin la condicin con respecto a la generacin del pronstico dinmico y los valores entallados en 4.(H) de arriba). Any such futilidad evidente constituira la prueba suficiente a primera vista de una incompetencia de modelo fundamental. Sin embargo, EViews proveen varias pruebas formales del rendimiento pronosticado. Considere el funcin de consumo simple de 3 otra vez por lo tanto,.(C) de arriba. Para generar los pronsticos durante lo pasado 10 aos, necesitamos el perodo de clculo a respecify cuando 1955 a 1989, y luego una vez los resultados de clculo han sido producidos, hacer clic en el botn pronosticado, cambiar la ventana de muestra de Forecast a 1990 a 1999, generando los pronsticos as durante lo pasado 10 aos. The following producto es producido:

15

Note que los paneles a la derecha en este producto producen varias estadsticas de resumen que se relacionan con los pronsticos por lo tanto,. El error de plaza de media de raz y el error total malo son las medidas usuales de la suficiencia / exactitud pronosticada, pero sufren de la desventaja de ser total en vez de las respectivas medidas - no hay sentido inmediato de "Grande" o "Pequeo" pronostic los errores. El error de porcentajes total malo es una respectiva medida, y indica aqu que, por trmino medio, los pronsticos son diferente/s de los actuals por 3.4 %. Sin embargo, esta medida no proporciona el modelo constantemente sobre - a ningn sentido de cualquier prejuicio en los pronsticos - la extensin para cul o undercalcular los actuals (aunque esto ser aparente del grfico de actuals contra los pronsticos - ver 4.(C) encima de donde es evidente que el modelo sobreestima los actuals constantemente). El coeficiente de Inequality de Theil es una medida adicional del rendimiento pariente pronosticar. Note que hay varias versiones de esta medida. La medida original (1961) lo es:
U1 = ( y y ) y / n
i i 2 i 2

/ nf

where summation is over the forecast period, and there are n f forecasts. Note que el numerator de esta expresin es slo el RMSE. Por lo tanto, la medida expresa la variabilidad de los errores pronosticados en comparacin con la variabilidad de los actuals durante el perodo pronosticado. Por lo tanto, los pronsticos perfectos causaran un valor de cero. En the other extremo, si la variabilidad de los errores pronosticados fuera el same como la variabilidad de los valores verdaderos (& # 1;), el modelo no aade nada a nuestra habilidad de pronosticar la variable dependiente.he dependent variable. Por lo tanto, un valor de 1 para esta versin del coeficiente de desigualdad sera causado por todos los pronsticos siendo cero. But clearly there is a range of forecasts that can produce a value for U 1 of 1. En otras palabras,

16

cualquier valor de & que # 1; in excess of 1 demostrara muy inaceptable pronosticando el rendimiento, en el sentido de que los errores pronosticados presentan ms variabilidad que la variable original, y esa superior pronostic el rendimiento puede ser generado poniendo todos los pronsticos al cero!the forecasts to zero! Una enmienda leve para esta medida puede ser hecha para restringir el coeficiente de desigualdad al alcance 0 a 1. Esto es la medida usada por EViews. Por lo tanto, especficamente, la medida es dada by:
U2 =

( y
2 i

yi ) 2 / n f y
2 i

/nf +

/nf

Por lo tanto, la variabilidad del error pronosticado es expresada ahora en comparacin con la suma de la variabilidad de los actuals y los pronsticos. Otra vez, un valor de cero sera producido por los pronsticos perfectos, y un valor por el que close to 1 sera producido pronostica los errores tan grande que eran comparables a la suma de la variabilidad de los valores verdaderos y la variabilidad de los pronsticos - el modelo no aade nada a nuestro conocimiento de la variable dependiente en otras palabras. La atencin para la que los pronsticos del cero causaran un valor & # 1; de approximately 0.5, si la variabilidad y los niveles de los pronsticos eran en general similares a la variabilidad y los niveles de los actuals.levels of the actuals. So in a sense 0.5 should perhaps be interpreted as an acceptable upper bound for U 2 . Una tercera versin de la desigualdad el coeficiente es expres hacia dentro que pariente (o porcentajes) cambia la forma, y es dado especficamente by:

U3 =

( FRC

ARC i ) 2
2 i

( ARC )

Donde FRC y arco demuestran el respectivo cambio pronosticado y el respectivo cambio verdadero en la variable dependiente durante el perodo pronosticado. Un valor del cero para esta versin demostrara los pronsticos perfectos, y un valor de 1 es equivalente a los "Ningn cambio" pronsticos. Un valor superior(es) a 1 insinuara que los pronsticos son peores que "Ningn cambio" pronostica. Esta versin no es generada por EViews. Returning again to the above output, the forecast statistics also include three components of the RMSE (the denominator of U 2 ). Por lo tanto, el proporcin de prejuicio demuestra la extensin a la que los errores pronosticados pueden ser atribuidos a las diferencias en los niveles de los actuals y los pronsticos - la diferencia (saldada) entre el valor medio de los pronsticos y el valor medio de los actuals. Evidentemente requeriramos que esta proporcin sea relativamente pequeo - es decir por trmino medio, los pronsticos deben igualar los actuals. El segundo componente se relaciona con la variabilidad de los pronsticos en comparacin con la variabilidad de los actuals. Por lo tanto, mientras el componente de prejuicio podra ser pequeo - el valor medio de los pronsticos y lo actuals es en general comparables 17

- los pronsticos podran ser considerablemente ms variable que los actuals, se apaciguan demostrar pobre pronosticando el rendimiento. Es decir los pronsticos presentan las diferencias amplias alrededor de los actuals. Por lo tanto, los buenos pronsticos requeriran que ambos de estos componentes sean relativamente pequeo. El componente final (la proporcin de covariance) refleja el impacto de unsystematic que pronostica los errores eficazmente, y este componente debe explicar la mayor parte de la variabilidad en el RMSE para la caja de los buenos pronsticos. Por lo tanto, podemos notar del producto anterior que relaciona la funcin con el consumo que la proporcin de covariance da cuenta de solamente 38 por ciento de el RMSE, el resto explicado por el prejuicio y los componentes de discrepancia, y de stos el componente de prejuicio ser el dominante. Esto puede ser visto ser un resultado de la extensin a la que la modelo sobreestima gasto de consumo constantemente (usted ve? dibujar grficas en 4.(C) de arriba). (b) EViews producen varias estadsticas de evaluacin pronosticadas adicionales.. Acceder a stos regresamos a la ecuacin original, y lo re- calculamos durante el perodo de muestra entero - la estimacin y los perodos pronosticados. Despus, haga clic en el botn de visualizacin, entonces/luego pruebas / chow-chow de Stability pronosticaron que de prueba al que usted entonces/luego ser pedido introdujo la fecha por el inicio del punto pronosticado (1990 aqu), produciendo the following producto por lo tanto,: Por lo tanto, la ecuacin es re- calculada durante el perodo 1955 a 1989, con la suficiencia pronosticada que las estadsticas de prueba constituyeron en the top of la pgina. Dos versiones de las estadsticas de prueba son dados - la F - estadstica y el proporcin de probabilidad de diario. La prueba es bsicamente una prueba de la diferencia entre la discrepancia de los residuals aproximadamente durante el perodo de clculo y la discrepancia de los errores pronosticados (durante el perodo pronosticado). El resultado aqu es que las pruebas las estadsticas son importantes la discrepancia de los errores de pronsticos es significativamente ms grande que la discrepancia de los residuals de clculo, implicar una futilidad entre el rendimiento de clculo del modelo y su pronosticar el rendimiento. Que es mientras que el modelo puede poder ser conveniente para los datos suficientemente durante el perodo de clculo (a decir verdad, l no aqu, cuando hay correlacin por entregas y los otros problemas), l poder pronosticar que la persona a cargo variable suficientemente (o por lo menos constantemente) y por lo tanto el modelo deben ser misspecified. (c) Una prueba adicional relaciona los perodos tan entre la estimacin y pronosticar con la estabilidad de los coeficientes. Es decir los pronsticos podran ser malos debido a quizs un poco de cambio estructural que resultara en los coeficientes cambiados durante el perodo pronosticado. Esta prueba es accedida como en el prrafo previo, pero bajo Stability Tests / chow-chow Again de de prueba de punto de parada, una fecha por el inicio de la elemento esencial de perodo pronosticada introducida, cul aqu otra vez es 1990. The following producto es producido entonces/luego:

Por lo tanto, las estadsticas de prueba importantes son producidas, consecuente con ser un cambio estructural all en 1990 (aunque quieren decir que tal cambio tuvo lugar en realidad no necesariamente)..

18

6. Procedimientos miscelneos (a) Generar variables.. Esto es conseguido va la ventana de Workfile, y el botn de Genr. Hacer clic en el botn de Genr causar un cuadro de dilogo, en que las nuevas variables pueden ser generado va las ecuaciones. Generar el diario de convictos que tenemos, despus de hacer clic en el botn de Genr por lo tanto,: Hay a range of comandos innatos en EView (generar variables de tendencia imitaciones estacionales, differenced los datos, etctera), los destacamentos pequeos de cul poder ser accedido va Topics de Ayuda de Ayuda / EViews notan tambin que en la ventana de Workfile, hacer clic en los detalles + el / - botn proveer los detalles sobre cmo han sido generadas todas las variables en el archivo. (b) El modelado de caja - Jenkins y pronosticar. Considere calcular un modelo de BJ para convictos durante el perodo 1955 a 1989, y genere los pronsticos por 1990 a 1999. Tenemos que determinar las transformaciones de datos requeridas para stationarity primero. En relacin con differencing, esto poda ser conseguido oficialmente va los procedimientos de prueba de unidad - raz, pero guardaremos el enfoque informal aqu, y determinaremos los datos que las transformaciones requeran simplemente a base de los anlisis grficos. Por lo tanto, hacer doble clic sobre convictos en la ventana de Workfile causar una visualizacin de hoja de clculo de la serie de datos. Un grfico de los datos (la visualizacin / grfico) demuestra non- stationarity evidentemente, con un poco de forma de differencing indudablemente requerir, y quizs una transformacin discrepancia - estabilizadora. Nuevas variables podan ser generado (diario (convictos), dlog (convictos) - ie la primera diferencia del diario de convictos), y estas variables representar grficamente y revisar para stationarity. Sin embargo, una manera alternativa de seguir (aunque no uno excesivamente conveniente) es usar el botn de transformacin de datos, entre la helada y botones de Ordenar, generar las transformaciones varias automticamente. As que hacer clic en la carta de msica pop -down demuestra las transformaciones automticas varias que estn disponibles (cambio de %, la diferencia, la diferencia de diario, etctera). Por lo tanto, hacer clic en Differenced causa the following producto de hoja de clculo:
Desafortunadamente, hacer clic en la visualizacin / grfico solamente causa un grfico de la serie original (algo ilgicamente).. El lo que esta alternativa especial permite es la posibilidad

de editar el original de que las serie va su differenced o % cambian la forma. Por lo tanto, haciendo clic en + / - de edicin cualquier celda puede ser cambiado, que tendra el efecto de la edicin en la que el versin de niveles de convictos - all podra ser las situacin que es decir los porcentajes cambian entre un ao y las prximas necesidad para ser modificados. Para obtener un grfico de la serie differenced, la serie ms arriba es highlight primero y envi una copia a la tablilla con sujetapapeles, a entonces/luego el clic sobre objeto / nuevo de objeto de la carta dar como resultado, la serie selecta entonces/luego bien, y lo siguiente ser producido:

19

Ahora, haga clic en la edicin + / - botn, y pegar (+ V de Ctrl) sobre el primer "NA" (1955 aqu), entonces/luego.. El differenced la serie ahora aparecer, que puede ser representado grficamente bajo la vista / grfico / lnea, produciendo lo siguiente entonces/luego:

Primer differencing parecera haber quitado la tendencia, pero la discrepancia es evidentemente non- estable. Log poda ser probado, y as que regresamos a la serie original (va la ventana), hacemos clic en Dif de diario en la ventana de transformacin de datos, y luego seguimos el procedimiento ms arriba para generar un grfico de esta serie, que causa lo siguiente:

20

Por lo tanto, una serie aproximadamente estacionaria es producida y podemos movernos al escenario de identificacin de BJ ahora.. Primero, sin embargo, regresamos a la pantalla previa (el versin de hoja de clculo de los datos), va la visualizacin / hoja de clculo. Hacer clic sobre el botn de nombre, permite que nosotros lo hacer/samos ahora para nombrar esta variable y aadirlo al Workfile (como una alternativa para usar el botn de Genr en la ventana de Workfile). Usaremos los dlcons de nombre variables aqu. En relacin con la identificacin, regresamos al versin de hoja de clculo de nuestra transformacin preferida de la variable (el versin estacionario). Para identificar y calcular un modelo durante el perodo de clculo, el primer clic en adelante probamos, y arreglar esto a 1989 de primera base de @, entonces/luego bien. Entonces/luego la vista / Correlogram y luego el nivel selecto (que debe ser el incumplimiento), entonces/luego bien, produciendo lo siguiente: Parecer estar una ca importante y Comit de Accin Poltica en 1 de lapso, pero ningns otros dibujos obvios. Una identificacin inicial es quizs ARMA (1,1). Para calcular este modelo, regresamos a la hoja de clculo, va la visualizacin, y luego a Quick / clculo aproximado de ecuacin por lo tanto,, somos presentados con la ventana de clculo de ecuacin de regresin usual. Hay dos enfoques para especificar la variable independiente. Slo podamos usar el nombre que hemos dado a nuestra serie de datos estacionaria - dlcons. However esto quiere decir que ninguno quedaba bien o pronostic que valores que obtenemos sern en relacin con el primero la diferencia del diario de convictos, hacerlo difcil compararse quedaba bien y pronosticar valores al nivel del gasto de consumidores, convictos. El enfoque preferible es especificar la variable dependiente en relacin con las transformaciones explcitas dado trabajo (como haber sido usado en el procedimiento de Genr). Esto quiere decir que cualquier pronsticos (o valores entallados) que son obtenido tendrn

la alternativa de estar en niveles o forma transformada. Por lo tanto, la variable 21

dependiente sera entrada en como dlog (convictos) aqu, que sera followed by las variables dependientes c, ar (1), mami (1) entonces/luego. Asegurando que la ventana de muestra es 1955 1989, lo siguiente aparecera: Se encender bien, causa the following producto:

22

Modelo aproximadamente aparece razonable (aunque parmetro de AR importante en el nivel solamente 10 %, y parmetro de MA estn muy cerca a 1). Podemos verificar el ACF y PACF de los residuals, regresando a la ventana de Workfile, y hacer doble clic en la variable de resid automticamente generada. Note que esta variable podra contener valores durante el perodo de muestra entero (1955 a 1999), mientras que los nicos valores vlidos para nuestros propsitos son aquellos que relacionan 1957 a 1989 con el perodo. Use que el botn de muestra ajuste el perodo de muestra en consecuencia por lo tanto,. Bajo la vista / Correlogram , the following ACF y PACF son producidos, cul seem insinuar que el modelo es suficiente:

Por lo tanto, definitivamente tenemos que generar los pronsticos. Por lo tanto, regresamos a la ecuacin va Window, y luego hacemos clic en el botn pronosticado, que produce the following ventana:

23

Note que tenemos la eleccin de tener pronsticos producidos en forma de niveles, o en forma de los datos que las transformaciones usaron por lo tanto,. El nombre de incumplimiento para la variable contener los pronsticos es consf, que podamos cambiar si deseado. Tambin podemos escoger entre los pronsticos estticos o dinmicos (dinmico ser preferido en general). Definitivamente, tenemos que cambiar el perodo pronosticado a 1990 a 1999. Hacer clic en OK causa lo siguiente:

Para comparar los actuals con los pronsticos, regresamos a la ventana de Workfile, hacemos clic en los timos y consf (usar Ctrl), y abrimos estas dos variables como un grupo. Cambie la muestra a 1957 a 1999, y luego a la vista / grfico / lnea. Esto

24

causa lo siguiente, despus de un poco de edicin (note tambin que hasta 1989 consf es slo el valor verdadero de convictos):

25

Por lo tanto,, como era de esperar los pronsticos a mayor plazo son muy malos, bsicamente porque el modelo slo extrapola la serie de datos del perodo de clculo. Es tambin til revisar los valores entallados durante el perodo de clculo, comparar stos con los valores pronosticados. Obtener los valores entallados (durante el perodo de clculo) regrese a la ventana de ecuacin, y haga clic en Forecast. Modifique el perodo de muestra a 1955 a 1989, y cambie que el nombre variable en la ventana de nombre de Forecast lo hacer/sa es decir entallado. Estrictamente, durante el perodo de clculo, los valores entallados son obtenidos como los "Pronsticos estticos" y por tanto seleccionamos esta alternativa. Hacer clic en OK causa un grfico de los valores entallados y las estadsticas de resumen varias. Para obtener un grfico de los actuals en contra sido conveniente para sobre el punto de clculo y los actuals contra los pronsticos durante el perodo pronosticado, regresamos a la ventana de Workfile, hacemos clic en los timos, consf y quedamos bien, y abrimos estas tres variables como un grupo, y luego va el botn de muestra, cambiamos el punto de muestra a 1955 a 1999. Note que los valores entallados incluirn los valores verdaderos de convictos durante el perodo pronosticado, y, como previamente, consf contendr los valores verdaderos de convictos durante el perodo de clculo. Estos valores podan ser eliminados (va el + / - de edicin abotnese, algo tediosamente, celda por clula). El grfico de lnea dar como resultado de las tres variables causa lo siguiente (despus de un poco de edicin):

26

Por lo tanto, los valores entallados moderados son los pronsticos durante el perodo de clculo, pero comparativamente muy malos producidos..

27