应用时间序列分析EVIEWS实验手册

河南财经政法大学应用时间序列分析实验手册应用时间序列分析实验手册目录第一章Eviews的基本操作第二章时间序列的预处理一、平稳性检验二、纯随机性检验第三章平稳时间序列建模实验教程一、模型识别二、模型参数估计三、模型的显著性检验四、模型优化第四章非平稳时间序列的确定性分析一、趋势分析二、季节效应分析三、综合分析第五章非平稳序列的随机分析一、差分法提取确定性信息二、ARIMA模型三、季节模型第一章Eviews的基本操作TheWorkfile（工作簿）Workfile就像你的一个桌面，上面放有许多Objects，在使用Eviews时首先应该打开该桌面，如果想永久保留Workfile及其中的内容，关机时必须将该Workfile存到硬盘或软盘上，否则会丢失一）、创建一个新的WorkfileDatespecification打开Eviews后，点击file/new/workfile,弹出一个workfilerange对话框（图1）WorkfileCreateWorkfilestructuretypeDated・「egularfrequency▼OKCancelIrregularDated日ndPanelworkfilesmiaybemadefromUnstructuredworkfilesbylaterspedfyingdateand/orotheridentifi已「series・图1该对话框是定义workfile的频率，该频率规定了workfile中包含的所有objects频率。

也就是说，如果workfile的频率是年度数据，则其中的objects也是年度数据，而且objects数据范围小于等于workfile的范围例如我们选择年度数据（Annual）,在起始日（Startdate）、终止日（Enddate）分别键入1970、1998，然后点击OK,—个新的workfile就建立了（图2）□Workfile:UNTITLED|=||回-1|View||Proc||Object|IPrintSaveDetails+/-ShowFetchStoreDeleteGRange:19701998-29obsDisplayFilter:*Sample:19701993-29obsEc彳卜\Untitled/NewPage/图在workfile窗口顶部，有一些主要的工具按钮，使用这些按钮可以存储workfile、改变样本范围、存取object、生成新的变量等操作，稍后我们会详细介绍这些按钮的功能在新建的workfile中已经存在两个objects，即c和residualc是系数向量、residual是残差序列，当估计完一个模型后，该模型的系数、残差就分别保存在c和residual中。

workfile窗口中主要按钮的功能：1.PROCS（处理）：Procs按钮包含sample（样本）、changeworkfilerange（改变工作簿范围）、generateseries（生成序列）、sortseries（对序列排序）、import（导入数据）、export（导出数据）六个功能，其中sample和generate已出现在workfile窗口顶部sample（样本）的功能是改变样本的范围，但不能超过工作簿范围（workfilerange）如果样本范围需要超过工作簿范围，先修改工作簿范围，然后再改变样本范围例如点击proc/sample/OK，弹出一个对话框（图），在上面空白处键入新的样本范围1980至1990，注意中间要空格，点击OK,这样样本范围改变了图3changeworkfilerange（改变工作簿范围）功能是改变当前workfile的范围，其操作与样本范围的改变相似一般是在模型建好后，外推预测时需要改变样本或工作薄范围generateseries功能是在现有变量的基础上，生成新的变量如点击proc/generate/OK或直接点击窗口顶部的GENR，弹出一个对话框。

sortseries功能是对序列排序Import功能是从其他软件中（如EXCEL）导入数据Export功能与Import相反，是将Eviews数据输出到其他软件中，具体操作与Import相似2 对象：该按钮功能主要是对Objects进行操作，包括新建、存取、删除、重新命名、复制等点击Objects，出现下拉菜单，菜单中包含很多功能，其中一些功能以按钮形式出现在workfile窗口顶部，如fetch（取出）、store存储、delete删除3 SAVE保存：功能是将当前workfile保存在硬盘或软盘如果是新建的workfile,会弹出一个对话框，需要指明存放的位置及文件名如果是原有的workfile不会出现对话框，点击SAVE，作用是随时保存该workfile建议在使用Eviews时，应经常点击SAVE按钮，避免电脑出现故障，而丢失未能保存的内容这里需要提醒的是，SAVE按钮与STORE按钮的区别按钮保存的是整个workfile，而存储的是个别0bject二）、打开已经存在的workfile双击Eviews图标，进入Eviews主画面点击File/New/Workfile/click，弹出对话框，给出要打开的workfile所在路径及文件名，点击，贝U所需的workfile就被打开。

三）、workfile频率的设定各种频率的输入方法如下：1、Annual：直接输入年份，如1998；若是20世纪内，则可只输入年份的后两个字，如98表示1998年2、Semi-Annua:格式与Annual一样3、Quarterly：年份全称或后两个字接冒号（或空格），再接季度，如1992:1（或19921），表示1992年第一季度4、Monthly：年份全称或后面两个字接冒号（或空格），再接月度序号，如1990:1（或19901）5、Daily：格式为“月度序号：日期：年份”，^口9:2:2002表示2002年9月2日6、Weekly：格式与Daily相似，也是“月度序号：日期：年份”，但这里的日期是某个星期的某一天，当给定起始日时，系统会自动推算终止日期5第二章时间序列的预处理一、平稳性检验时序图检验和自相关图检验（一）时序图检验根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征例2.1检验1949年——1998年北京市每年最高气温的平稳性1.在Eviews软件中打开案例数据图1：打开外来数据year1949出呂呂*n1950冷5百195138.311195239-G1953371954合3.4195539-G19-5634.6T-图2：打开数据文件夹中案例数据文件夹中数据文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入SpreadsheetRead-Step2of2ColiuTin取消］K上一步⑻］［下一步闻》］［「完成一］图3：打开过程中给序列命名7OGroup:UNT仃LEDWorkfile:PfJ^1.4::Untitled\三亘亘2.□[viewRaiobsYEARQW19491949|38.8|1950195035.61951195138.31952195239.61953195337.01954195433.41955195539.61956195634.61957195736.21958195837.61959195936.81960196038.119611961+0.61962196237.11963196339.01964196437.51965196538.5196637.5开数据TIOEoIjIrrrIkDefaultlew4：打intNameF「已已生绘制时序图可以如下图所示选择序列然后点Quick选择sc議er或者欣迥勰;绘制好后可以双击图片对其进行修饰，如颜色、线条、点等@EViewsFileEditObjectViewProcQuick]OptionsWindowHelpSample...GenerateSeries...DB=noneWF=附录IL4OWorkfile:附录1・4-(d:\dc[甘匚£!範|||卩「0匚]|0切亡匸日Print||Save[Range:19491998一50olSample:19491998一50olcShow...Graph...EmptyGroup(EditSeries)groupOlqwresidSeriesStatisticsGroupStatisticsEstimateEquation...EstimateVAR...®EVieWSFileEditObjectViewPiro匚QuickOptionsWindowHelpOGroup:UNT仃LEDWorkfile:PfJ^1.4::Untitled\三亘亘OGroup:UNT仃LEDWorkfile:PfJ^1.4::Untitled\三亘亘图1:绘制散点图*UntitledX忖e谢Pmge/□Path=d:\documentsDB=noneWF=附录L4OGraph:UNTITLEDWorkfile:附录l,4::Untitled\|=||回II仝口World!IViewllProcll1Range:15Samplers

有的题目平稳性描述可以模仿书本33页最后一段三）平稳性检验还可以用：单位根检验：ADF,PP检验等；非参数检验：游程检验#图1：序列的单位根检验图2：单位根检验的方法选择13Augment&dDick&y-FullerUnitRootTestonTEMPERATURENullHypothesis:TEMPERATUREhasaunitrootExogenous:ConstantLagLength:0(AutomaticbasedonA1C,MAXU\G=10;t-StatisticProb/AugmentedDickey-Fullerteststatistic-8.2946750.0000Testcriticalvalues:1%level5%level10%level-3.571310-2.922449-2.599224^MacKinnont1996)one-sidedp-values.AugmentedDickey-FullerTestEquation□ependentVariable:□(TEMPERATURE}Method:LeastSquaresDate:03/01/15Time:21:00Sample(adjusted}:195011998Includedobservations:49afteradjustments.50:A；5小于EVIEWS给出的显著CoefficientStd.Errort-StatisticProb.TEMPERATUREf-1}-1.1752340.141635-8.2946750.0000C43.429425.2447758.2005120.0000R-squared0.594134Meandependentvar-0.032653#性水平1%-10%的ADF临界值，所以不接受原假设，该序列是平稳的。

Loglikelihood-91.7114-0Hannan-Quinncriter.3.854251F-statistic63.80163Durbin-Watsonstat1.970975二、纯随机性检计算Q统计量，根据其取值判定是否为纯随机序列例2.2的自相关图中有Q统计量，其P值在K=6、12的时候均比较大，不能拒绝原假设，认为该序列是白噪声序列另外，小样本情况下，LB统计量检验纯随机性更准确第三章平稳时间序列建模实验教程一、模型识别1.打开数据（某地区连续74年的谷物产量（单位：千吨））@EViewsFileEditObjectViewProcQuickOptionsWindowHelpFileEditObjedViewProc口Series:XWorkfile:UNTITLED::Untitled\；~「[^ort][E£lit+/-][ErTipl+/-[w亡训PpcObj亡匚t||p「upe「tiF^Print||Name]|Fi•亡亡ze]Default□[w日0.970.450.091.13M一丽Sall一面010OSenes:XWorkfiled—-/9n-Sample,,,GenerateSeries,,,ShowGraph...EmptyGroup(EditSeries)片叵］疥[丽n帥pl+上JLSeriesStatistics►GroupStatistics►EstimateEquation...EstimateVAR...Quid;]OptionsWindowHelp20.4531.61绘制序列散点图.2651.3761.43712281239隔图3：输入散点图的变量SEViewsFileEditObjectViewProcQuickOptionsWindowHelp□Graph:UNTITLEDWorkfile:UNTITLED"Untitled\I=||B||^^|Niew]|Prod[c)bjeut|Print||Name||AddText||Line/5hade]|Remo"亡|Template||OptionsFi_s_s1.30.071Q2Q3Q405Q6Q7Q14|u.yaPath=d:\documentsDB=noneWF=untitled图4：序列的散点图153.绘制自相关和偏自相关图图Series匚ra=RJFiss[view]|Proc||Object][PropertieL10.9731.61口Series:XWorkfile:I20.451.261.37Graph...EmptyC3『oup(EditSeries)SeriesStatisticsGroupStatisticsEstimateEquation...EstimateVAR...卩鬥育IEid汁+/l[s>nnl4匸HistogramandStatsCorrelog『aim…UnitRootTest...ExponentialSmoothing...Hodri匚k・P『escoltFilter...61_g_g_~W一11:在数据窗JrName1.431.321.230J40J91.恒口下选择相关分析toriPath=d:\documentsDB=noneWF=untitledSEviewsFileEditObjectViewProcQuick]Option£WindowHelpSample...GenerateSeries...Show…17#图2:选择变量##图3:选择对象#OSeries:XWorkfile:UNTITLED::Untitled、|View][Proc||Object||PropertiesI|Print||Name||FreezeIISampleIlGenr||sheet||Graph|Statslldent]CorrelogramofX□ate:03^20/14Time:22:16Sample:174-Includedobservations:74AutocorrelationPartialCorrelationACFACQ-StatProb111110363036310.1750.00111□I20.2660.15515.7100.00011Zl130.2270.10519.7790.00011]140.2120.090233980.00011]150.1890.061263150.00011]160.2070.09029.8720.00011170.145-0.00131.6420.000111匚130.036-0.09931.7560.0001□I1□190.1590.12733.9530.0001□I1]1100.1630.06736.2940.0001□111110.1230.00437.6410.0001□111120.1020.00138.5000.000111匚113-0.002-0.11338.5300.0001[111114-0.026-0.05638.6430.0001111150.005-0.00038.6450.0011[11[116-0.033-0.07438.7510.001IE11匚117-0.155-0.14041.1220.001i匚11[118-0.150-0.068433690.001i匚11[119-0.156-0.06145.8520.001i[11]120-0.0780.05946.4080.001111Zl1210.0170.11046.5180.0011[11122-0.043-0.01646.7720.002图4：序列相关图4.根据自相关图和偏自相关图的性质确定模型类型和阶数如果样本（偏）自相关系数在最初的d阶明显大于两倍标准差范围，而后几乎95%的自相关系数都落在2倍标准差的范围以内，而且通常由非零自相关系数衰减为小值波动的过程非常突然。

这时，通常视为（偏）自相关系数截尾截尾阶数为d本例：自相关图显示延迟6阶之后，自相关系数全部衰减到2倍标准差范围内波动，这表明序列明显地短期相关但序列由显著非零的相关系数衰减为小值波动的过程相当连续，相当缓慢，该自相关系数可视为不截尾偏自相关图显示除了延迟1阶的偏自相关系数显著大于2倍标准差之外，其它的偏自相关系数都在2倍标准差范围内作小值随机波动，而且由非零相关系数衰减为小值波动的过程非常突然，所以该偏自相关系数可视为一阶截尾所以可以考虑拟合模型为AR（1）自相关系数偏相关系数模型定阶拖尾P阶截尾AR(p)模型q阶截尾拖尾MA(q)模型拖尾拖尾ARMA(p,q)模型具体判别什么模型看书58到62页的图例AR模型:xt…€+i_arq)*b—AR(2)*B2-AR(P)*BPtMA模型：…p+a—MA(1)*B—MA(2)*B2—MA(q)*Bq),xttARMA模型：xt=€+1—MA(1)*B—MA(2)*B2—MA(q)*Bq1—AR(1)*B—AR(2)*B2—AR(P)*Bp(其中模型中的班1)......MA(1)表示的是求出来的系数€就是常数项)二、模型参数估计根据相关图模型确定为AR(1)，建立模型估计参数在ESTIMATE中按顺序输入变量xcx(-1)或者xcAR(1)选择LS参数估计方法,查看输出结果，看参数显著性，该例中两个参数都显著。

细心的同学可能发现两个模型的c取值不同，这是因为前一个模型的c为截距项；后者的c则为序列期望值，两个常数的含义不同19图2：输入模型中变量，选择参数估计方法□Equation:EQ01Workfile:UNT[TLED::Untitled\|=||回[view||p「ot][QbjFczt]〔Print||Nam亡||Fi•亡亡ze]EstimateForecast||Stats||Resids|DependentVariable:XMethod:LeastSquares□ate:03/20/14Time:2249Sample(adjusted}:274Includedobservations:73afteradjustmentsCoefficientStd.Errort-StatisticProb.c0.5304600.1009785.2532220.0000Xt-1)0.3725640.1115693.3393220.0013R-squared0.135739恥日ndependentvar0.349589AdjustedR-squared0.123566S.D.dependentvar0.297627S.E.ofregression0.278633Akaikeinfocriterion0309169Sumisquaredresid5.512162Schwarzcriterion0.371921Loglikelihood-9.234671Hannan-Quinncriter.0334177F-statistic11.15107□urbin-Watsonstat2.068675Prob'(F-statistic)0.001341图3：参数估计结果#图5：输入模型中变量，选择参数估计方法21AR模型：=0.845441+1€1-0.372564Bt##三、模型的显著性检验检验内容：整个模型对信息的提取是否充分；参数的显著性检验，模型结构是否最简。

图1：模型残差23图2：残差的平稳性和纯随机性检验对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于零，Q统计量的P值都远远大于0.05，因此可以认为残差序列为白噪声序列，模型信息提取比较充分常数和滞后一阶参数的P值都很小，参数显著；因此整个模型比较精简，模型较优四、模型优化当一个拟合模型通过了检验，说明在一定的置信水平下，该模型能有效地拟合观察值序列的波动，但这种有效模型并不是唯一的当几个模型都是模型有效参数显著的，此时需要选择一个更好的模型，即进行优化优化的目的，选择相对最优模型优化准则：最小信息量准则(AnInformationCriterion)指导思想似然函数值越大越好未知参数的个数越少越好AIC准则的缺陷在样本容量趋于无穷大时，由AIC准则选择的模型不收敛于真实模型，它通常比真实模型所含的未知参数个数要多AIC二nln(&2)€2(未知参数个数),SBC二nln(&2)+ln(n)(未知参数)□Equation:UNTITLEDWorkfile:UNTITLED:rUntitled\|=||回[We/'||p「od|objett|IPrint||Name||Freeze|IEstimate||Forecast||StatsResids|DependentVariable:XMethod:LeastSquares□ate:03/21/UTime:21:22Sample[adjusted):374Includedobservations:72afteradjustmentsCoefficientStd.Errort-StatisticProb.c0.4243430.1217003.4868040.0009x(-1)03212900.1165502.7565590.0075X(-2)0.1802140.1211711.4872750.1415R-squaredQ.171694Meandependentvar0855139AdjustedR-squared0.147635S.D.dependentvar0.295837S.E.ofregression0.273166Akaikeinfocriterion0.233298Sumsquaredresid5.148750Schwarzcriterion0.378159Loglikelihood-7.198734Hannan-Quinncriter.0.321063F-statistic7.151269□urbin-Watsonstat1.751699Prob(F-statistic)0.001505但是本例中滞后二阶的参数不显著，不符合精简原则，不必进行深入判断。

第四章非平稳时间序列的确定性分析第三章介绍了平稳时间序列的分析方法，但是自然界中绝大多数序列都是非平稳的，因而对非平稳时间序列的分析跟普遍跟重要，人们创造的分析方法也更多这些方法分为确定性时序分析和随机时序分析两大类，本章主要介绍确定性时序分析方法一个序列在任意时刻的值能够被精确确定（或被预测），则该序列为确定性序列，如正弦序列、周期脉冲序列等而某序列在某时刻的取值是随机的，不能给以精确预测，只知道取某一数值的概率，如白噪声序列等Cramer分解定理说明每个序列都可以分成一个确定序列加一个随机序列，平稳序列的两个构成序列均平稳，非平稳时间序列则至少有一部分不平稳本章先分析确定性序列不平稳的非平稳时间时间序列的分析方法确定性序列不平稳通常显示出非常明显的规律性，如显著趋势或者固定变化周期，这种规律性信息比较容易提取，因而传统时间序列分析的重点在确定性信息的提取上常用的确定性分析方法为因素分解分析目的为：①克服其他因素的影响，单纯测度某一个确定性因素的影响；②推断出各种因素彼此之间作用关系及它们对序列的综合影响一、趋势分析绘制序列的线图，观测序列的特征，如果有明显的长期趋势，我们就要测度其长期趋势测度方法有：趋势拟合法、平滑法。

一）趋势拟合法1.线性趋势拟合例4.1：以1964-1999年中国纱年产量数据为例进行分析27图2：绘制线图，序列有明显的上升趋势长期趋势具备线性上升的趋势，所以进行序列对时间的线性回归分析0EViews〔=丨回丨函JandF'DLterms,UR：=ltl图3：序列销售额（y）对时间（t）进行线性回归分析#盘EViews-[EquatiomUNTJTLEDWorkfile:驸录L0:Unt口FileEditObjectViewProcQuickOptionsWindowHelp”iew][Proiz[[object][Print][Name[[Freeze][Estimate][Foreizast][5tats][Resids]DependentVariable:YMethod:LeastSquaresDate:04/01/14Time:11:29Sample:19641999Includedobservations:36CoefficientStd.Errort-StatisticProb.c-27313.37390.9168-30.657600.0000T13.949510.44961131.025720.0000R-squared0.965834Meandependentvar327.5361AdjustedR-squared0.964880S.D.dependentvar149.5402S.E.ofregression28.02416Akaikeinfocriterion9.557964Sumsquaredresid26702.02Schwarzcriterion9.645937Loglikelihood-170.0433Hannan-Quinncriter.9.508669F-statistic962.5954Durbin-Watsonstat0.672321Prob(F-statistic)0.000000□Path=d:\d<-CLimentsDB='\'F=[仃录l.I图4：回归参数估计和回归效果评价可以看出回归参数显著，模型显著，回归效果良好，序列具有明显线性趋势。

图5：运用模型进行预测297004002DD□口FileEditObjectViewProcQuid、Options'VindowHelp”iewProcObjectPrint^NameFreezeEstin'idteForecast][5tdl：51|Reside|6DD-500-300-100-?2S.E.'V!F=附录1・227.2345922.710989.0355660.037960Li.LiLiLinnn0.0086780.991322Forecast:¥F.Actual:YForecastsample:19641999Includedubservatioris:36RijijtMeanSquaredErrorhd已£「i.AbsulirteErrorMean.Abs.P已门二:已「itErrorTheilInequalityCuefficientBiasPrupurtionVarianc已FTcjpcjrtiijnCovariancePropLirtiuri溜EViews-[Equation:UNTITLEDWorkfile:时录1.2::UrrtitD~1~|~~iii*|*111|11965197019751990199519@D19S5Path=d:\documentsDB=none图6：预测效果（偏差率、方差率等）图7：绘制原序列和预测序列的线图#图8：原序列和预测序列的线图图9：残差序列的曲线图31可以看出残差序列具有平稳时间序列的特征，我们可以进一步检验剔除了长期趋势后的残差序列的平稳性，第三章知识这里不在叙述。

2.曲线趋势拟合例4.2：对爱荷华州1948-1979年非农产品季度收入数据为例进行拟合口Group:UNTITLED'\>.rkfik:专荷华川非宸产品聿厚l|7A::U...|口||回||^|[#ie训Prcit:[object][PrintNameFreeze]Default▼iBort][transpc^Edit+卜.5mpl+/-obsTY11601422604□33620446265564166642776450865599632101067811116921212707131373614147531515763161677517177751018703194IpprI卜图2：绘制曲线图可以看出序列不是线性上升，而是曲线上升，尝试用二次模型拟合序列的发展口Equation:UN7ITLEE：''''.orkfik:寺荷朝11非农产品聿哼...|=||回[”iew][Prcic[[object][Print]NameFreeze][Estimate][Fcirei:ast]〔5tats][曜泊弓「DependentVariable:YMethod:LeastSquaresDate:04/01/14Time:10:33Sample:1123Includedobservations:123CoefficientStd.Errort-StatisticProbc1030.14459.5365217.302720.0000T-23.414372.130661-10.989250.0000T*T0.4454000.01600027.037310.0000R-squared0.975225Meandependentvar1900.977AdjustedR-squared0.974023S.D.dependentvar1393.120S.E.ofregression221.0272Akaikeinfocriterion13.65761Sumsquaredresid6106627.Schwarzcriterion13.72445Loglikelihood-071.0060Hannan-Quinncriter.13.60477F-statistic2460.165Durbin-Watsonstat0.015395Prob(F-statistic)0.000000图3：模型参数估计和回归效果评价可以看出回归参数显著，模型显著，回归效果良好，序列具有明显二次趋势。

口Equation:UNTITLED''orkfile:寺荷虽川非宸产品聿哼...|回[#ie训Prcit:][object][PrintNameFreeze][Estimate]卜口忙血1:][弧也][碣血]Forecast:¥F¥Forecastsample:112SIncludedobservations:128RootMeanSquaredError218.4217MeanAsijh-rteError170.7606Meanfibs.PercentError12.61663TbieilInequalityCoefficient0.045246BiasProportionLl.LlUULlUU'.^riancHProportion0.006272CovarianceProportion0.993728图4：模型的预测效果分析口Group:UNTITLED'''>.rkfik:亢荷戦||非农产品聿厚口||叵][View|ProcIObjectIPrintNameFreezeDefault〒Sort]TransposeEdit+/-5mpl+/-obsYFYobsYFY11007.175601□2985.09676043963.90936204943.61286265924.20706416905.69206427003.06796458871.33456559355.491963210340.540267811826.479269212313.309170713301.029773614789.641175315779.143476316769.536477517760.8202775T1104Ippr|卜图5：原序列和预测序列值图6：原序列和预测序列值曲线图图7：计算预测误差□S-eri-?;:E'rkfil?:专荷1目11非宸产品聿聲l|7A::Untitle:\\|=11回1[”ie训Prcid[olzijeizt][PrcipertiT[Print][Name[[Freeze][sample]辰nr][5heeH[Graph][5tat£][ldent]AugmentedDickey-FullerUnitRootTestonENullHypothesis:EhasaunitrootExogenous:ConstantLagLength:5(AutomaticbasedonSIC,MAXU\G=12)t-StatisticProb*AugmentedDickey-Fullerteststatistic-1.2014320.6724Testcriticalvalues:1%level5%level10%level-3.434653-2.805249-2.579491*MacKinnon(1996)one-sidedp-valuesAugmentedDickey-FullerTestEquationDependentVariable:D(E)Method:LeastSquaresDate:04/01/14Time:10:49Sample(adjusted):7123Includedobservations:122afteradjustments图8：对预测误差序列进行单位根检验不能拒绝原假设，认为序列有单位根，为非平稳序列，说明模型对长期趋势拟合的效果不太好。

下面再尝试三次曲线趋势35EquationEstimationSpecificationijptions37确定取消图9：序列收入（y）对时间（t）进行三次曲线回归分析□Equatin:UNHTLED'rkfiIe:专荷华刃|非宸产品聿哼...Wiew][Prix][olzijeizt][Print]NameFreeze][Estimate[[Fcireizast]〔5tat£][口esids]DependentVariable:YMethod:LeastSquaresDate:04/01/14Time:11:30Sample:1123Includedobservations:123CoefficientStd.Errort-StatisticProb.c446.302021.7207920.5。