A. 求計量經濟學論文，時間序列分析模型，有數據來源，用spss分析的過程，謝謝 [email protected]
我先給你發了一份 你看下可以不的 PDF是原文的 那個WORD是我刪減過的
B. 應用計量經濟學時間序列分析在股票預測上有多大的作用
作用沒有想像中的大，你可以用股票的滯後變數來進行回歸分析，滯後2~3期就夠了，不過數據必須具體點，最好細分到每季度、每月的上證指數，還有時間上怎麼也要十年左右吧！
我以前在論文附錄中做過分析，數據都是自己按季度整理的，挺麻煩的呢，如果需要的話就發給你~
還有就是，我覺得寫關於股票的預測方面的實際用處並不是很大，畢竟股票的影響因素太多，單單的憑藉以前的走勢而預期太不好了。。我自己也炒股票，就像那些macd、kdj之類的指標根本就起不到太大的作用，如果那個能預期的話，股市豈不就成了提款機了？現在你做的這個就像是那些指標一樣，要知道，股市是活的，人是活的，而指標確實死的！說這么多的意思就是股市不是能簡單預測的，你做的那個用處不大。。
如果你想做的話，建議換個題目，我當時的寫的是對弗里德曼的貨幣需求理論在中國市場的分析。你可以寫寫貨幣供應量對通貨膨脹的時滯性，分析下在我國市場的滯後期大概是多少~數據在國家統計局和中國人民銀行都可以找到的，樣本空間一定要足夠大，在對滯後變數分析時候主要考慮各自的T檢驗是否通過，一般從通過之後大概就是那個的滯後期！這個比較直接反而有些許用處~
要是能分析出國家的一般性政策對實體市場的影響就更好了，更有用了~
呵呵，以上只是自己的建議~有什麼其他的問題就給我留言吧~
C. 關於時間序列的預測可以用什麼方法
1、 時間序列 取自某一個隨機過程，如果此隨機過程的隨機特徵不隨時間變化，則我們稱過程是平穩的；假如該隨機過程的隨機特徵隨時間變化，則稱過程是非平穩的。 2、 寬平穩時間序列的定義：設時間序列 ，對於任意的 , 和 ，滿足： 則稱 寬平穩。 3、Box-Jenkins方法是一種理論較為完善的統計預測方法。他們的工作為實際工作者提供了對時間序列進行分析、預測，以及對ARMA模型識別、估計和診斷的系統方法。使ARMA模型的建立有了一套完整、正規、結構化的建模方法，並且具有統計上的完善性和牢固的理論基礎。 4、ARMA模型三種基本形式：自回歸模型（AR：Auto-regressive），移動平均模型（MA：Moving-Average）和混合模型（ARMA：Auto-regressive Moving-Average）。 （1） 自回歸模型AR(p)：如果時間序列 滿足 其中 是獨立同分布的隨機變數序列，且滿足： ， 則稱時間序列 服從p階自回歸模型。或者記為 。 平穩條件：滯後運算元多項式 的根均在單位圓外，即 的根大於1。 （2） 移動平均模型MA(q)：如果時間序列 滿足 則稱時間序列 服從q階移動平均模型。或者記為 。 平穩條件：任何條件下都平穩。 （3） ARMA(p,q)模型：如果時間序列 滿足 則稱時間序列 服從(p,q)階自回歸移動平均模型。或者記為 。 特殊情況：q=0,模型即為AR(p)，p=0, 模型即為MA(q)。 二、時間序列的自相關分析 1、自相關分析法是進行時間序列分析的有效方法，它簡單易行、較為直觀，根據繪制的自相關分析圖和偏自相關分析圖，我們可以初步地識別平穩序列的模型類型和模型階數。利用自相關分析法可以測定時間序列的隨機性和平穩性，以及時間序列的季節性。 2、自相關函數的定義：滯後期為k的自協方差函數為： ，則 的自相關函數為： ，其中 。當序列平穩時，自相關函數可寫為： 。 3、 樣本自相關函數為： ，其中 ，它可以說明不同時期的數據之間的相關程度，其取值范圍在-1到1之間，值越接近於1，說明時間序列的自相關程度越高。 4、 樣本的偏自相關函數： 其中， 。 5、 時間序列的隨機性，是指時間序列各項之間沒有相關關系的特徵。使用自相關分析圖判斷時間序列的隨機性，一般給出如下准則： ①若時間序列的自相關函數基本上都落入置信區間，則該時間序列具有隨機性； ②若較多自相關函數落在置信區間之外，則認為該時間序列不具有隨機性。 6、 判斷時間序列是否平穩，是一項很重要的工作。運用自相關分析圖判定時間序列平穩性的准則是：①若時間序列的自相關函數 在k>3時都落入置信區間，且逐漸趨於零，則該時間序列具有平穩性；②若時間序列的自相關函數更多地落在置信區間外面，則該時間序列就不具有平穩性。 7、 ARMA模型的自相關分析 AR(p)模型的偏自相關函數 是以p步截尾的，自相關函數拖尾。MA(q)模型的自相關函數具有q步截尾性，偏自相關函數拖尾。這兩個性質可以分別用來識別自回歸模型和移動平均模型的階數。ARMA(p,q)模型的自相關函數和偏相關函數都是拖尾的。 三、單位根檢驗和協整檢驗 1、單位根檢驗 ①利用迪基—福勒檢驗（ Dickey-Fuller Test）和菲利普斯—佩榮檢驗（Philips-Perron Test）,我們也可以測定時間序列的隨機性，這是在計量經濟學中非常重要的兩種單位根檢驗方法，與前者不同的事，後一個檢驗方法主要應用於一階自回歸模型的殘差不是白雜訊，而且存在自相關的情況。 ②隨機游動 如果在一個隨機過程中， 的每一次變化均來自於一個均值為零的獨立同分布，即隨機過程 滿足： ， ，其中 獨立同分布，並且： ， 稱這個隨機過程是隨機游動。它是一個非平穩過程。 ③單位根過程 設隨機過程 滿足： ， ，其中 ， 為一個平穩過程並且 ，，。 2、協整關系 如果兩個或多個非平穩的時間序列，其某個現性組合後的序列呈平穩性，這樣的時間序列間就被稱為有協整關系存在。
D. 如何使用計量經濟學模型作預測
建立與應用計量經濟學模型的主要步驟有：1、設計理論模型，確定模型所版包含的變數，確權定了被解釋變數後,如何正確地選擇解釋變數，確定模型的數學形式，擬定理論模型中待估參數的理論期望值；2、收集樣本數據，包括時間序列數據、截面數據、虛變數數據，而且要考慮樣本數據的完整性、准確性、可比性和一致性；3、估計模型參數，包括各種模型參數估計方法，如何選擇模型參數估計方法以及關於應用軟體的使用；4、檢驗模型，包括經濟意義的檢驗、統計檢驗、計量經濟學檢驗、模型預測檢驗。
E. 用MATLAB設計AR時間序列預測模型
matlab畫圖，似乎有規律。
http://hi..com/chemical%5Fengineering/album/item/e0bef8195872de75dbb4bd0e.html
A=[...
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
10 0.5
11 1
12 1.5
13 2.5
14 3.6
15 4.6
16 5
17 5.3
18 5.7
19 7.2
20 8.8
21 10.3
22 8.5
23 6.7
24 6.7
25 6.2
26 5.6
27 5.1
28 4.3
29 3.4
30 2.6
31 1.7
32 0.9
33 0
34 0
35 0
36 0
37 0
38 0
39 0
40 0.3
41 0.7
42 1
43 2.6
44 4.1
45 5.7
46 5.3
47 4.8
48 4.4
49 4
50 3.5
51 3.1
52 4
53 4.8
54 5.7
55 6
56 6.4
57 6.7
58 6.2
59 5.6
60 5.1
61 5.1
62 5.1
63 5.1
64 4.3
65 3.4
66 2.6
67 1.7
68 0.8
69 0
70 0.4
71 0.7
72 1
73 1.4
74 1.7
75 2.1
76 1.4
77 0.7
78 0
79 0.7
80 1.4
81 2.1
82 1.6
83 1
84 0.5
85 0.3
86 0.2
87 0
88 1.4
89 2.7
90 4.1
91 3.9
92 3.8
93 3.6
94 5
95 6.3
96 7.7
97 7
98 6.4
99 5.7
100 5.5
101 5.3
102 5.1
103 4.8
104 4.4
105 4.1
106 4.6
107 5.2
108 5.7
109 4.7
110 3.6
111 2.6
112 1.7
113 0.9
114 0
115 0
116 0
117 0
118 0
119 0
120 0
121 0
122 0
123 0
124 0.9
125 1.7
126 2.6
127 3.1
128 3.6
129 4.1
130 5.1
131 6.1
132 7.1
133 7.3
134 7.6
135 7.8
136 8.1
137 8.4
138 8.7
139 7.9
140 7
141 6.2
142 6.2
143 6.2
144 6.2]
plot(A(:,1),A(:,2))
F. 在計量經濟學預測GDP的時候用ARMA模型和用回歸方程有什麼不同 哪個精度高
GDP=C+I+G+NX是個會計恆等式，在任何條件下都應該得到滿足，各個賬戶之間是自動專適應的，它們總是屬滿足這個等式。所以，GDP=β1C+β2I+β3G+β4NX+u是不成立的，它不應該有隨機干擾項。實際上，GDP=C+I+G+NX已經是個現成的方程，不需要估計任何參數，它的所有數據都是現成的，只有極少的誤差（誤差源自於統計上的差錯、地下交易等）在計量分析中，這個等式往往是用來和其他方程（比如消費方程，投資方程）聯立，建立聯立方程組模型，用此等式去化簡方程得到簡化式或者消去某個內生變數。
G. 時間序列模型中，哪一個模型可以較好地擬合波動性的分析和預測
主成份分析是為了提前眾多指標中有典型代表性的幾個主要成分，其中主成分的一種回計算得答分方法是用回歸方法
ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數據序列視為一個隨機序列，用一定的數學模型來近似描述這個序列。這個模型一旦被識別後就可以從時間序列的過去值及現在值來預測未來值。現代統計方法、計量經濟模型在某種程度上已經能夠幫助企業對未來進行預測。
ARIMA模型建立在歷史數據的基礎上，故搜集的歷史數據越多，模型越准確。
每月儲蓄數據.可以看作是隨著時間的推移而形成的一個隨機時間序列，通過對該時間序列上儲蓄值的隨機性、平穩性以及季節性等因素的分析，將這些單月儲蓄值之間所具有的相關性或依存關系用數學模型描述出來，從而達到利用過去及現在的儲蓄值信息來預測未來儲蓄情況的目的。
H. 為什麼計量經濟學強調模型設定，而時間序列分析強調模型識別
不明白這抄兩個問題有啥關聯……襲
感覺計量經濟學強調假設是因為變數多，時間序列變數不就是時間嗎？
經濟學模型本身就是建立在模型假設的基礎上，抓住主要變數，就能最大程度的降低模型復雜程度，提高准確率。
時序分析不同模型適應於不同的時間序列，選擇模型錯誤，擬合度差，預測什麼的就沒辦法做下去。而且時序分析工作第一步應該就是判斷用什麼樣的模型進行擬合的，大部分時序還是比較好判別選擇的。不選擇好模型下面怎麼進行呢，選擇錯誤那就不需要有以後了嘛。
這么粗略的描述不知道能不能解答你的問題，等大神深度解剖交流。
I. 有人會做時間序列計量經濟學模型檢驗嗎，用EVIEWS做
軟體分析內容太多了，要指出主要內容。就寫論文來說，目前流行的主要是兩大塊，一是時間序列，包括協整，單位根檢驗、VAR、脈沖響應等。二是面板模型。