使用EViews软件判断我国流通现金和贸易收支差额是否受季节因素影响

根据表10-1，10-2所列数据用EViews软件判断1994年1季度到2012年4季度的我国流通现金（m）和贸易收支差额的数据样本是否存在明显的季节因素。如果存在，则使用虚拟变量法进行消除。

表10-1　我国1994年1季度到2012年4季度的流通现金　单位：亿元

表10-2　我国1994年1季度到2012年4季度的贸易收支差额　单位：亿元

续表

注：上述表格数据来源于国家统计局网站，中华人民共和国商务部网站。

具体操作步骤如下：

第一步，建立类型为“Dated-regular frequency”（日期-固定频率）的工作文件，在图10-4所示的窗口的“Frequency”（频率）列表中选择“Quarterly”，在“start”和“end”文本框内输入日期的起止时间，分别为“1994.1”和“2012.4”。然后单击“OK”按钮即可生成工作文件。

图10-4　建立工作文件

第二步，在该工作文件中建立两个序列对象，分别命名为“m”和“tr”，并把表10-1和表10-2的数据输入到对应的序列对象中。m为流通现金量，tr为贸易收支差额。

第三步，打开序列对象m，选择序列对象窗口工具栏中的View/Graph/Line选项，则会生成图10-5所示的序列对象的图形。从图形的形状可以看出流通中的现金存在季节因素，m在第一季度下降，从第二季度上升，在第四季度达到高峰。

图10-5　流通现金m的趋势图

打开序列对象tr，选择序列对象窗口工具栏中的View/Graph/Line选项，则会生成图10-6所示的序列对象的图形。从图形的形状可以看出贸易收支差额的季节性变动因素不明显。

图10-6　贸易收支差额tr的趋势图

第四步，消除季节因素。建立模型，用普通最小二乘法进行估计，在模型中用虚拟变量消除变量m中的季节因素，被解释变量m的季节性被虚拟变量所反映，从而可以客观分析流通中现金与贸易收支差额间的关系。

模型为

然后设置虚拟变量，用EViews生成时间变量及虚拟变量序列，以季节数据D2为例，在生成序列窗口输入的EViews命令是D2=@seas（2）。用相似的方法生成D3和D4。三个虚拟变量的数值输好后就可以对回归模型进行估计。

其次，在工作文件中选择主菜单栏中的Object/New Object/Equation选项，或者选择Quick/Estimate Equation选项，在弹出的10-7所示的对话框中对方程进行设定，输入“m c tr d2 d3 d4”，然后单击“确定”按钮即可得到消除季节性因素影响的回归结果。

图10-7　含虚拟变量的方程设定对话框

图10-8表示的为用虚拟变量消除季节因素后的回归结果，图10-9表示的是不包含虚拟变量的回归结果。对二者进行比较可以看出，含有虚拟变量的回归模型的拟合优度高于后者，因此使用虚拟变量增加了回归结果的解释程度。(www.xing528.com)

图10-8　包含虚拟变量的回归结果

图10-9　不包含虚拟变量的回归结果

【案例】

市场用煤销售量模型

我国市场用煤销量的季节性数据（1982—1988年，《中国统计年鉴—1987，1989》）如图10-10，10-11与表10-3所示。由于受取暖用煤的影响，每年第4季度的销售量大大高于其他季度。因此季节数据可设三个季节变量如下：

图10-10　销售量的季节性

图10-11　不采用虚拟变量的估计

表10-3　全国按季节市场用煤销售量数据

续表

数据来源：《中国统计年鉴》1989。注：以季节数据D1为例，EViews命令是D1=@seas（4）。

以时间t为解释变量（1982年1季度取t=1）的煤销售量（y）模型如下：

由于D2，D3的系数没有显著性，说明第2，3季度可以归并入基础类别第1季度。于是只考虑加入一个虚拟变量D1，把季节因素分为第四季度和第一、二、三季度两类。从上式中剔除虚拟变量D2，D3，得煤销售量（y）模型如下：

进一步检验斜率是否有变化，在上式中加入变量t D1，

由于回归系数-1.95所对应的t值是-0.17，可见斜率未发生变化。因此以模型（2）作为最后确立的模型。

若不采用虚拟变量，得回归结果如下，

与（2）式相比，回归式（4）显得很差。