如何用Eviews软件建立时间序列模型和预测方法/步骤
建立工作文件，创建并编辑数据。结果如下图所示。
在命令行输入ls y c x,然后回车。
弹出equation窗口，如图所示。观察t统计量、可决系数等，可知模型通过经济意义检验，查表与X的t统计量比较发现，t检验值显著。模型对Y的解释程度高达99.3%。
将样本期范围从1978-2003年扩展为1978-2004年：在workfile窗口中依次点击proc->Structure。
弹出Workfile Structure窗口，将2003改为2004，然后点击ok，如图所示。
在Group窗口中输入2004年X的值，如图所示。
在equation窗口中点击Forecast。
在弹出的窗口中点击ok。
在workfile窗口中会生成一个yf，双击打开它，如图所示，即可看到我们对2004年的预测值。
望采纳
如何用eviews做时间序列模型预测在Eviews中对时间序列进行预测的详细步骤
一、输入数据 1.1 打开Eviews6.0，按照如图所示打开工作表创建框。 1.2 在右上角的data specification
框中输入起止年份（start data 和end data） 1.3 输入数据：在输入框中输入data gdp（本文采用的数据为1990—2012
GDP值）。当然，data 后面可以输入任何你想要定义的“英文名字” 输入data gdp
后注意按回车键，弹出表格窗口后在其中输入数据（也可复制进去 数据：ctrl+v 二、平稳性检验2.1
在打开的数据窗口中点击ViewCorrelogram（1） 在弹出的窗口中直接点OK 即可 2.2 自相关图和偏相关图进行分析：
最简单粗暴的方法就是看最右边的Prob 值），当这列数据有多数都大于0.05（置信水平）时为白噪声序列=序列是平稳的。本文中GDP 数据P
值均小于 0.05，则为非白噪声。需对序列进行差分。 3.1在输入框中输入第二列代码，这代表将数据gdp 进行一阶差分，一阶差分后
的值命名为dgdp.按回车键 3.2 在dgdp 数据的窗口中重复2.1 的操作，对序列的平稳性进行检验 得到结果如下：
惨！还是非白噪声，只能进行二阶差分了！ 4.1如第三列代码所示（记得不能重复命名） 4.2 对新的序列dgdp2
进行平稳性检验，步骤同上，结果如下： MY GOD! 看见了木有，这回是白噪声了，P 值多数都大于0.05！ 五、用最小二乘法对模型进行估计：输入
ls dgdp2 ar（2）（探索性建模）5.1AR（2）模型结果 （准确的说这个模型应该是 ARIMA的疏系数模型，本
文重点不在这！如有需要请私信我！） 5.2MA(2)模型结果 5.3 优化模型：根据AIC 和SBC 准则选择模型，值越小的拟合效果越好，本文
的选择MA(2)模型。 5.4 对模型进行检验：ViewResidual TestsCorrelogram statistics检验结果如下：
值大于0.05，为白噪声序列，则平稳。六、预测 在模型输出结果窗口那（5.4 图那），菜单栏由Forecast 进行预测，注意步骤如下： 6.1 如要预测下一期的数值记得先将数据范围进行修改在（1.3 那的窗口处） 在Range 那对1990 2012 双击；弹出窗口后进行数据修改 将2012 改成2013（你想多预测也行，可以试试看（坏笑，其实不能预测太多））
6.2改了数据范围后，去5.4的那个窗口点Forecast。在弹出的窗体中，有个method
的框，默认的是动态的，你要点static，然后点OK。 6.3 新生成的变量自动命名为dgdp2f，（这个名字只是一个名字！你就算把它改
成gdp，它的数值还是二阶差分后的数值！） 重点来了！ 如何根据二阶差分后的数值计算原数值（就是实际上你要预测的那个值），干货 公式如下： 结束语本人做学年论文用到这个方法，苦于网上找到不具体怎么做。然后....然后......我 的小宇宙爆发了！（其实是自己翻书之后找老师确认了，嘿嘿）。学统计学的孩纸 们加油！ 哦，对啦，其实除了一阶差分和二阶差分也可以取对数什么的，但 GDP 的数据 好像是取了对数也作用不大。还是一句话，如有具体问题请私信我！有缘的话我 会回答你的问题的！
05夏季景观植物树木3D模型下载
时间序列预测法的运用例子某一城市从1984年到1994年中，每年参加体育锻炼的人口数，排列起来，共有11个数据构成一个时间序列。我们希望用某个数学模型，根据这11个历史数据，来预测1995年或以后若干年中每年的体育锻炼人数是多少，以便于该城市领导人制订一个有关体育健身的发展战略或整个工作计划。不同的时间序列有不同的特征，例如一个人在一年中每天消耗的粮食基本上是相同的，把这365个数字排列起来。发现它所构成的时间序列总保持在一定水平，上下相差不太大，我们称它是平稳时间序列。它的取值和具体是哪个时期无关，只和时期的长短有关。一般来说．只有属于平稳过程的时间序列．才是可以被预测的。 表11980～1999年扬州市农业总产值 单位：万元
年份 农业总产值 年份 农业总产值 年份 农业总产值
1980 220.553 1987 345.560 1994 483.960
1981 236.285 1988 357.909 1995 549.807
1982 267.120 1989 357.788 1996 600.986
1983 278.787 1990 357.671 1997 620.281
1984 312.089 1991 305.855 1998 667.542
1985 331.172 1992 362.848 1999 711.741
1986 338.848 1993 414.892
表1是扬州市1980～1999年农业总产值的有关数据资料，资料摘自《扬州统计年鉴2000》，表中产值按1990年不变价格计算。根据表1时间序列的资料，画出时间序列折线图1。通过观察时间序列图，可以看出此时间序列具有明显的趋势变动。在1980～1999年20年间，扬州市农业总产值总体呈明显的上升趋势。农业总产值的变化分为两个时间段：1980～1990年时间序列呈曲线变化趋势，1991～1999年时间序列呈线性变化趋势。根据直观的判断，对时间序列采取分段处理的方法，即对1980～1990年的时间序列拟合二次曲线趋势模型，对1991～1999年的时间序列拟合线性趋势模型。
图1农业总产值折线图 (1)二次曲线趋势模型：Yt=a+bt+ct^
上述方程中的三个未知参数a、b、c根据最小二乘法求得。即对时间序列拟合一条趋势曲线，使之满足下列条件：各实际值Yt与趋势值〖AKY^〗t的离差平方和为最小，即∑(Yt-〖AKY^〗t)2=最小值，得到标准求解方程：
∑Y=na+b∑t+c∑t^2
∑tY=a∑t+b∑t^2+c∑t^3
∑t^2Y=a∑t^2+b∑t^3+c∑t^4
当取时间序列的中间时期数为原点时，有∑t=0，上式可简化为：
∑Y=na+c∑t^2
∑tY=b∑t^2
∑t^2Y=a∑t^2+c∑t^4
经过计算，得到对扬州市1980～1990年农业总产值时间序列拟合的二次曲线模型为：
Y^t=316488.1+14584.3t－705.3t^2。
(2)线性趋势模型：Y^t=a+bt
上述方程中的两个未知参数a、b也是根据最小二乘法的原理求得。
b=n∑tY-∑t∑Y/n∑t^2-(∑t)^2
a=1/n(∑Y-b∑t)
同样，为计算方便，取时间序列的中间时期数为原点，此时有∑t=0，上式可简化为：
a=1/n∑Y
b=∑tY/∑t^2
经过计算，得到对扬州市1991～1999年农业总产值时间序列拟合的线性模型为：
Y^t=524212+51090.5t
